python学习③|图像与视频处理综合

一、PIL图像处理

原图准备

1、jpg另存为png

import os
from PIL import Image

print(os.getcwd())
os.chdir(r'D:\pythonAds2021\ffmpeg\jpgkick')
# image1=Image.open('cjh.jpg')
# image1.save('cjh.png')

os.mkdir('./pngs') #os,mkdir(自动创建目录)

for f in os.listdir('.'):
    if f.endswith('.jpg'):
        i=Image.open(f)
        fn,fext=os.path.splitext(f)
        i.save('pngs/{}.png'.format(fn))

2、生成缩略图

import os
from PIL import Image

print(os.getcwd())
# image1=Image.open('cjh.jpg')
# image1.save('cjh.png')
size_300=(300,300)
if not(os.path.exists('./tiny')):
    os.mkdir('./tiny')

for f in os.listdir('.'):
    if f.endswith('.jpg'):
        i=Image.open(f)
        fn,fext=os.path.splitext(f)
        
        i.thumbnail(size_300)
        i.save('tiny/{}_tiny{}'.format(fn,fext))

3、旋转图片

import os
from PIL import Image
print(os.getcwd())
image1=Image.open('01.jpg')
image1.rotate(90).save('01.png')

4、变换色彩模式

image1.convert(mode='L').save('01gray.png')

5、模糊柔化

from PIL import ImageFilter
image1.filter(ImageFilter.GaussianBlur()).save('01blur.png')

二、FFmpeg视频处理

1、安装

安装鸣谢
安装思路

• 下载exe文件
• 配置变量环境：此电脑-空白处属性-高级系统设置-环境变量-系统变量-path-新建-复制exe文件所在的路径

2、cmd中的路径问题

更换cmd路径

• 不同盘之间的切换
  直接输入D:
  

• 路径的具体化
  输入 +空格+ 路径

直接跨盘确定路径不太行。
需要先切换盘再确定具体路径

一般整完就包分配了。

3、视频处理

教程收藏：
实战详细讲解ffmpeg命令的使用

视频截取

从30s开始截取，截取10s。

ffmpeg -i input.mp4 -ss 00:30 -t 10 output.mp4

截取视频前30s

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

视频播放

ffplay 20210701b.mp4

四、视频分镜截取

1、直方图截取

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()

分镜头处理

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)

2、基于哈希算法

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)