一、影像直方圖

完整代碼：

import cv2
import matplotlib.pyplot as plt

img= cv2.imread("girl.png")

histb = cv2.calcHist([img], [0], None, [256], [0, 255])
histg = cv2.calcHist([img], [1], None, [256], [0, 255])
histr = cv2.calcHist([img], [2], None, [256], [0, 255])
print(type(histb))
print(histb.size)
print(histb.shape)

plt.plot(histb, color="b")
plt.plot(histg, color="g")
plt.plot(histr, color="r")
plt.show()

運行結果：

函式使用：

cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate ]]) ->hist

imaes 輸入的影像，要帶[]號
channels 選擇影像的通道，012對應著BGR，要帶[]號
mask 掩膜，是一個大小和image一樣的np陣列，其中把需要處理的部分指定為1，不需要處理的部分指定為0，一般設定為None，表示處理整幅影像
histSize 灰度級的個數，使用多少個bin，一般為256，要帶[]號
ranges 像素值的范圍，一般為[0,255]，要帶[]號

二、視頻分鏡

（人工分鏡結果）

1、基于均值哈希

運行結果：

（少識別了兩個分鏡頭，誤識別了三個分鏡頭）

完整代碼：

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

# 均值哈希演算法
def aHash(img):
    # 縮放為8*8
    plt.imshow(img)
    plt.axis('off')  
    plt.show()
    img = cv2.resize(img, (8, 8))
    plt.imshow(img)
    plt.axis('off') 
    plt.show()
    # 轉換為灰度圖
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # s為像素和初值為0，hash_str為hash值初值為''
    s = 0
    hash_str = ''
    # 遍歷累加求像素和
    for i in range(8):
        for j in range(8):
            s = s + gray[i, j]
    # 求平均灰度
    avg = s / 64
    # 灰度大于平均值為1相反為0生成圖片的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值對比
def cmpHash(hash1, hash2):
    n = 0
    print(hash1)
    print(hash2)
    # hash長度不同則回傳-1代表傳參出錯
    if len(hash1)!=len(hash2):
        return -1
    # 遍歷判斷
    for i in range(len(hash1)):
        # 不相等則n計數+1，n最終為相似度
        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('均值哈希演算法相似度：', n/64)
        cv2.imwrite('./shot/image{}.jpg'.format(i+1),img2)

2、基于直方圖相似度

運行結果：

（少識別了兩個分鏡頭）

完整代碼：

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

# 通過得到RGB每個通道的直方圖來計算相似度
def classify_hist_with_split(image1, image2, size=(256, 256)):
    # 將影像resize后，分離為RGB三個通道，再計算每個通道的相似值
    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.split()拆分通道
    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

# 計算單通道的直方圖的相似值
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()
    # 計算直方圖的重合度
    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    #統計相似
    degree = degree / len(hist1)
    return degree

for i in range(549):
    img1=cv2.imread('./pic2/image{}.jpg'.format(i)) 
    img2=cv2.imread('./pic2/image{}.jpg'.format(i+1)) 
    n = classify_hist_with_split(img1,img2)
    if(n<0.6):
        cv2.imwrite('./shot2/image{}.jpg'.format(i+1),img2)

三、截取視頻（1分鐘）

完整代碼：

截取視頻前一分鐘：

ffmpeg -i input.mp4 -vcodec copy -acodec copy -ss 00:00:00 -to 00:01:00 cut.mp4 -y

截取視頻中間一分鐘：

ffmpeg -i input.mp4 -vcodec copy -acodec copy -ss 00:00:05 -t 00:01:00 cut.mp4 -y

或ffmpeg -i input.mp4 -ss 5 -c copy -t 60 cut.mp4 -y

引數含義：

-to 截到視頻的哪個時間點結束

-t 表示截取多長的時間

-vcodec copy 表示使用跟原視頻一樣的視頻編解碼器

-acodec copy 表示使用跟原視頻一樣的音頻編解碼器

問題記錄：

ffmpeg 為了加速，會使用關鍵幀技術（-ss 選項放在 -i 之前時）， 有時剪切出來的結果在起止時間上未必準確，解決方法：ffmpeg -ss 00:01:00 -i video.mp4 -to 00:02:00 -c copy -copyts cut.mp4