Python视频处理（1）——视频分镜头提取+视频处理

最新推荐文章于 2025-06-04 09:02:03 发布

maplelistener

最新推荐文章于 2025-06-04 09:02:03 发布

阅读量3.9k

点赞数 1

CC 4.0 BY-SA版权

文章标签：音视频 opencv python

本文链接：https://blog.youkuaiyun.com/maplelistener/article/details/120902997

本文介绍了使用Python进行视频处理的方法，包括导出帧图像、通过均值哈希和直方图相似度判断视频分镜头，以及利用FFmpeg进行视频截取、格式转换和多媒体格式处理等操作。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、导出帧图像

将视频以帧图像的方式呈现，逐帧导出图片

import os
os.chdir("C:/Users/Administrator/AppData/Local/Programs/Python/Python37/Lib/site-packages")
import cv2
import subprocess

v_path="D:/Python/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.COLOR_BGR2GRAY)
    cv2.imwrite("D:\Python\image{}.jpg".format(i),img)

运行结果示例:

二、判定相似度

对分帧结果判定相似度，并提取出相似度较大镜头作为分镜头。

1.均值哈希判定相似度

import cv2
import numpy as np
import matplotlib.pyplot as plt
 
# 均值哈希算法
def aHash(img):
    # 缩放为8*8
    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为像素和初值为0，hash_str为hash值初值为''
    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
 
# 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
 
for i in range(549):
    img1=cv2.imread('./pic2/image{}.jpg'.format(i)) 
    img2=cv2.imread('./pic2/image{}.jpg'.format(i+1)) 
    hash1 = aHash(img1)
    hash2 = aHash(img2)
    n = cmpHash(hash1, hash2)
    if(n>22):
        print('均值哈希算法相似度：', n/64)
        cv2.imwrite('./shot/image{}.jpg'.format(i+1),img2)

运行结果：

（错误识别了3张）

2.基于直方图相似度

import cv2
import numpy as np
import matplotlib.pyplot as plt
 
# 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)    #cv2