均值哈希、直方图 截取视频的分镜， FFMPEG截取视频

一、视频转化为图片并比较图片相似度

1.视频转化为图片

注：需要在文件夹里新建一个文件夹装选取出来的图片

import os 
import cv2
import subprocess

os.chdir('C:\\Users\\读书人mn\\Desktop\\123123')
v_path ='ghz.mp4'
image_save ='.pic'

cap=cv2.VideoCapture(v_path)
frame_count=cap.get(cv2.CAP_PROP_FRAME_COUNT)

for i in range(int(frame_count)):
    _,img=cap.read()
    #img=cv2.cvtColor(img,cv2.cv2.COLOR_BGR2GRAY)
    cv2.imwrite('.pic\\image{}.jpg'.format(i),img)

2.利用numpy、哈希等判断图像是否相同

True表示相同，False表示不相同

 

 

 3.基于哈希判断图像相似度

import cv2
import numpy as np
import matplotlib.pyplot as plt
import os
os.chdir('C:\\Users\\读书人mn\\Desktop\\123123')

def aHash(img):
    plt.imshow(img)
    plt.axis('off')
    plt.show()
    img=cv2.resize(img,(8,8))
    plt.imshow(img)
    plt.axis('off')
    plt.show()
    
    #转换为灰度图
    gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    s=0
    hash_str=''
    # 遍历累加求像素和
    for i in range(8):
        for j in range(8):
            s = s + gray[i, j]
    # 求平均灰度
    avg = s / 64
    # 灰度大于平均值为1相反为0生成图片的hash值
    for i in range(8):
        for j in range(8):
            if gray[i, j] > avg:
                hash_str = hash_str + '1'
            else:
                hash_str = hash_str + '0'
    return hash_str
# 通过得到RGB每个通道的直方图来计算相似度
def classify_hist_with_split(image1, image2, size=(256, 256)):
    # 将图像resize后，分离为RGB三个通道，再计算每个通道的相似值
    image1 = cv2.resize(image1, size)
    image2 = cv2.resize(image2, size)
    plt.imshow(image1)
    plt.show()
    plt.axis('off')
    
    plt.imshow(image2)
    plt.show()
    plt.axis('off')
    
    sub_image1 = cv2.split(image1)
    sub_image2 = cv2.split(image2)
    sub_data = 0
    
    for im1, im2 in zip(sub_image1, sub_image2):
        sub_data += calculate(im1, im2)
    sub_data = sub_data / 3
    return sub_data


# 计算单通道的直方图的相似值
def calculate(image1, image2):
    hist1 = cv2.calcHist([image1], [0], None, [256], [0.0, 255.0])
    hist2 = cv2.calcHist([image2], [0], None, [256], [0.0, 255.0])
    plt.plot(hist1, color="r")
    plt.plot(hist2, color="g")
    plt.show()
    # 计算直方图的重合度
    degree = 0
    for i in range(len(hist1)):
        if hist1[i] != hist2[i]:
            degree = degree + (1 - abs(hist1[i] - hist2[i]) / max(hist1[i], hist2[i]))
        else:
            degree = degree + 1    #统计相似
    degree = degree / len(hist1)
    return degree

# Hash值对比
def cmpHash(hash1, hash2):
    n = 0
    print(hash1)
    print(hash2)
    # hash长度不同则返回-1代表传参出错
    if len(hash1)!=len(hash2):
        return -1
    # 遍历判断
    for i in range(len(hash1)):
        # 不相等则n计数+1，n最终为相似度
        if hash1[i] != hash2[i]:
            n = n + 1
    return n


img1 = cv2.imread('.pic\\image0.jpg')  #  11--- 16 ----13 ---- 0.43
img2 = cv2.imread('.pic\\image1.jpg')


hash1 = aHash(img1)
hash2 = aHash(img2)
n = cmpHash(hash1, hash2)
print('均值哈希算法相似度：', n)

n = classify_hist_with_split(img1, img2)
print('三直方图算法相似度：', n)

from PIL import Image
for i in range(549):
    img1=cv2.imread('.pic/image{}.jpg'.format(i))
    img2=cv2.imread('.pic/image{}.jpg'.format(i+1))
    hash1=aHash(img1)
    hash2=aHash(img2)
    n=cmpHash(hash1,hash2)
    if (n>32):
        print('均值哈希算法相似度：',n/64)
        cv2.imwrite('short/image{}.jpg'.format(i+1),img2)

结果如下：

 二、视频截取

首先，打开cmd，利用“cd +决定路径”方式准确将cmd定位到ffmpeg所在的位置

其次，输入ffmpeg -i 视频路径 -ss 开始时间 -t 需要截取的时间 -vcodec copy -acodec copy -preset superfast 输出视频名称.mp4

 

 

 结果如下：

 

注：目前利用本段代码截取出来的视频存在声画不对位的问题，画面会比声音出现更早一些