Python视频处理（1）——视频分镜头提取+视频处理

目录

一、导出帧图像 

二、判定相似度

1.均值哈希判定相似度

2.基于直方图相似度

三、视频处理（利用ffmpeg）

1、截取视频1分钟

2、视频格式转换

3、多媒体格式转换

4、视频方向处理

5、其他命令代码整理

---

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.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
 
# 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
 
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)

运行结果：

（少识别了两张）

三、视频处理（利用ffmpeg）

1、截取视频1分钟

使用cmd运行下列代码：

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

2、视频格式转换

视频格式转换 ffmpeg -i input.mp4 output.avi

3、多媒体格式转换

• ffmpeg -i out.mp4 -vcodec copy -acodec copy out.flv （i:输入文件   vcodec copy：视频编码处理方式     acodec copy：音频编码处理方式）
• 只抽取视频：ffmpeg -i out.mp4 -an -vcodec copy out.h264
• 只抽取音频：ffmpeg -i out.mp4 -acodec copy -vn out.aac
• ffmpeg提取YUV数据：ffmpeg -i input.mp4 -an -c:v rawvedio -pix_fmt uyv420p out.yuv
• ffmpeg 提取PCM数据：ffmpeg -i input.mp4 -vn -ar 44100 -ac2 -f s16le out.pcm

4、视频方向处理

ffmpeg -i test.mp4 -metadata:s:v rotate="90" -codec copy out.mp4//旋转90°
 
ffmpeg -i test.mp4 -vf "transpose=1" out.mp4//顺时针旋转90°
 
ffmpeg -i test.mp4 -vf "transpose=2" out.mp4//逆时针旋转90°
 
ffmpeg -i test.mp4 -vf "transpose=3" out.mp4//顺时针旋转90°后再水平翻转
 
ffmpeg -i test.mp4 -vf "transpose=0" out.mp4//逆时针旋转90°后再水平翻转
 
ffmpeg -i test.mp4 -vf hflip out.mp4//水平翻转视频画面
 
ffmpeg -i test.mp4 -vf vflip out.mp4//垂直翻转视频画面

原链接：blog.csdn.net/wenmingzheng/article/details/88373192

5、其他命令代码整理

命令	注释
-version	显示版本号
-demuxers	显示可用的demuxers
-muxers	显示可用的muxers
-devices	显示可用的设备
-codecs	显示所有编解码器
-decoders	显示可用的解码器
-encoders	显示可用的编码器
-bsfs	显示比特流filter
-formats	显示可用的格式
-protocols	显示可用的协议
filters	显示可用的过滤器
-pix_fmts	显示可用的像素格式
-sample_fmts	显示可用的采样格式
-layouts	显示channel名称
-colors	显示识别的颜色名称

功能实现	代码命令
视频裁剪滤镜（播放器大小裁剪）	ffmpeg -i killer.mp4 -vf crop=in_w-200:in_h-200 -c:v libx264 -c:a copy out.mp4
视频裁剪(按时间裁剪)	ffmpeg -i my.mp4 -ss 00:43:20 -t 00:02:10 -acodec copy -vcodec copy sha.mp4
视频拼接	ffmpeg -f concat -i input.txt concat_out.mp4 (input.txt内部是文件列表，格式是： file 'fileName’）
视频转图片命令	ffmpeg -i 1.ts -r 1 -f image2 result-image/image-%3d.jpeg
图片转视频	ffmpeg -i image-%3d .jpeg -out.mp4
ffmpeg录屏命令	ffmpeg -f avfoundation -i 1 -r 30 out.yuv （-f: 指定使用avfoundation采集数据 -i: 指定从哪儿采集数据，它是一个文件索引号 -r：指定帧率）
播放录屏的命令	ffplay -s 2880X1800 -pix_fmt uyvy422 out.yuv （-s: 指定分辨率 -pix_fmt ：录制时的格式）
查看支持的设备列表	ffmpeg -f avfoundation -list_devices true -i ""
录音命令	ffmpeg -f avfoundation -i :0 out.wav