利用Python视频处理分镜—

一、视频处理的简单命令

视频处理的思路是先将视频分解成一帧一帧的图像，对每一帧进行处理，处理好后再将帧合并为视频。会用到的模块包括OpenCV、FFmpeg等。

OpenCV：强大的计算机视觉库，可以进行图片和视频处理
FFmpeg：视频处理软件，在官网下载安装包安装，代码要在命令行输入。

利用FFmpeg的命令：

ffmpeg -i ./Python2021/video/cut1.mp4 -r 24 -f image2 ./Python2021/pic2/image%d.jpg

可以将一个MP4格式的视频分解为24帧/秒的图像，保存在本地文件夹中。

利用OpenCV同样可以达到该目的：

import os
import cv2
import subprocessos.chdir(r"C:\Users\95378\Python2021")
v_path="ghz.mp4"
image_save="./pic"    # 这里保存图像的文件夹需要在本地手动新建cap=cv2.VideoCapture(v_path)    # 读取本地视频
frame_count=cap.get(cv2.CAP_PROP_FRAME_COUNT)     # 帧数for i in range(int(frame_count)):_,frame=cap.read()       # 按帧读取视频，frame为每一帧的图像frame=cv2.cvtColor(frame,cv2.cv2.COLOR_BGR2GRAY)  # 图像转换为OpenCV格式cv2.imwrite("./pic/image{}.jpg".format(i),frame)    #写入本地文件夹

FFmpeg还可以对视频进行裁剪。下面的命令是将视频的第0到60秒裁剪出来，保存到本地。需要注意的是要写清楚文件的位置（绝对路径或相对路径）。

ffmpeg -ss 0 -t 60 -i C:\Users\95378\Python2021\video\hj.mp4 -codec copy C:\Users\95378\Python2021\video\cut2.mp4

二、视频分镜——哈希算法

对于视频分镜的基本思路是比较每一帧镜头画面的相似度。如果画面的相似度高，说明属于同一个镜头，如果相似度很低，就说明到了下一个镜头。

比较镜头相似度的方法，老师提供了均值哈希和比较RGB三色通道直方图两种。以下是均值哈希算法：

import cv2
import numpy as np
import matplotlib.pyplot as plt
import os
print(os.getcwd()) # 均值哈希算法
def aHash(img):# 缩放为8*8plt.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) #cv2中图片颜色加载顺序为BGR，正常为RGB，所以图像颜色显示会不准确#s为像素和初值为0，hash_str为hash初值为''s = 0hash_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# hash值对比
def cmpHash(hash1, hash2):n = 0print(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 + 1return n# 通过hash值比较相似性
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>20):print('均值哈希算法相似度：', n/64)cv2.imwrite("./shot/image{}.jpg".format(i+1),img2)

哈希算法得到的结果：

可以看到基本实现了需求，但是分镜有一定的重复。

三、视频分镜——RGB三色通道方法

RGB三色通道方法的原理是，将视频分离为RGB三个通道，画出图像的直方图，然后计算直方图的重合度。

import cv2
import numpy as np
import matplotlib.pyplot as plt
import os
print(os.getcwd()) # 通过比较RGB每个通道的直方图计算相似度
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')   # 把两张图分别显示出来sub_image1 = cv2.split(image1)sub_image2 = cv2.split(image2)   # 把单通道取出来print(type(sub_image1))sub_data = 0for im1, im2 in zip(sub_image1, sub_image2):   # 打包可迭代的参数sub_data += calculate(im1, im2)sub_data = sub_data / 3return 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])  # 通道0，1，2 对应B,G,Rhist2 = cv2.calcHist([image2], [0], None, [256], [0.0, 255.0])plt.plot(hist1, color="r")   # 画出直方图plt.plot(hist2, color="g")plt.show()# 计算直方图的重合度degree = 0for 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# 通过直方图相似性比较分镜并检验参数
for i in range(1442):img1 = cv2.imread('./pic2/image{}.jpg'.format(i))img2 = cv2.imread('./pic2/image{}.jpg'.format(i+1))n = calculate(img1, img2)  # 完全一样是1，完全不一样是0if (n<0.6):print('三直方图算法相似度：', n)cv2.imwrite("./shot2/image{}.jpg".format(i+1),img2)

这里的直方图重合度，1是完全相同，0是完全不同。但具体较为准确的分镜参数需要尝试。以下是用不同的参数尝试分镜的运行结果：

	镜头数	参数	分镜结果
视频一	23	0.5	10
	23	0.6	23
	23	0.7	27
视频二	25	0.5	13
	25	0.6	20
	25	0.7	32

根据实验结果可知，参数为n<0.6，分镜结果较为准确。

利用Python视频处理分镜——FFmpeg、OpenCV相关推荐

python 视频人脸替换_Python基于OpenCV实现视频的人脸检测
本文实例为大家分享了基于OpenCV实现视频的人脸检测具体代码,供大家参考,具体内容如下前提条件 1.摄像头 2.已安装Python和OpenCV3 代码 import cv2 import sys ...
python视频人脸检测_Python基于OpenCV实现视频的人脸检测
本文实例为大家分享了基于OpenCV实现视频的人脸检测具体代码,供大家参考,具体内容如下前提条件 1.摄像头 2.已安装Python和OpenCV3 代码 import cv2 import sys ...
如何利用python进行在线语音识别
如何利用python实现在线语音识别本篇文章主要介绍使用 python 借助百度人工智能实现在线的语音识别功能. 学习经历在正式介绍如何进行在线语音识别功能之前我想先分享一下我自己的学习顺 ...
#计算机视频处理使用ffmpeg对视频进行操作、视频分镜
参考文档: 官网音视频处理工具ffmpeg ffmpeg官方文档音视频合成分割基本用法 ffmpeg 处理视频音频转化方式编码转化格式 ffmpeg -i out.mp4 -vcodec ...
Python视频处理（2）——Flask网页开发+分镜
目录一.主程序基本结构 1.安装并导入Flask 2.创建Flask对象(很重要的一步,不能忘记) 3.编写主程序 4.路由 5.完整代码二.渲染网页三.定义分镜相关函数 1.定义切帧函数并调用 ...
利用python加上ffmpeg，ffmpy,做一个音视频格式转换器
利用python加上ffmpeg,可以做一个简单的音乐或者视频格式转换器. 可以利用PyQt5做界面,本例中比较简单: 流程非常简单,点击"选择源文件",选取要转换的音频或者视频文 ...
利用pycharm进行视频分镜处理
一.Hi,Flask! 在pycharm里创建新文件,命名为main.py from flask import Flask,render_template app=Flask(__name__) #_ ...
Python软件设计基础第五节-基于图像相似度比较实现视频分镜
目录一.前言一.基础算法-判断两张图片是否相等/相似 (一)基于相等判断图像是否相同 (二)基于numpy计算图像是否相似 (三)基于哈希判断图像是否相似 (四)基于各种哈希计算图片相似度 1.均 ...
python 视频转场_利用Python 进行短视频的二次创作
1.目标场景无论是抖音还是快手等视频平台,一旦一个视频火了后,很多 UP 主都会争先抢后去模仿拍摄或剪辑,然后上传到平台,最后都能带来不错的流量. 对于一般的短视频,完全可以通过裁剪.特效转场 ...

利用Python视频处理分镜——FFmpeg、OpenCV

一、视频处理的简单命令

二、视频分镜——哈希算法

三、视频分镜——RGB三色通道方法

利用Python视频处理分镜——FFmpeg、OpenCV相关推荐

最新文章

热门文章

利用Python视频处理分镜——FFmpeg、OpenCV

一、视频处理的简单命令

二、 视频分镜——哈希算法

三、 视频分镜——RGB三色通道方法

利用Python视频处理分镜——FFmpeg、OpenCV相关推荐

最新文章

热门文章

二、视频分镜——哈希算法

三、视频分镜——RGB三色通道方法