专栏首页Pulsar-VOpenCV图像处理基础(一)

OpenCV图像处理基础(一)

图像处理基础,等大小图片相似度匹配

基于RGB通道的像素点相似度匹配算法思路

def compare_by_RGB(image_1,image_2):
    """
    基于通道和的差  
    :param image_1:  
    :param image_2:
    :return:
    """
    G_1 = 0
    B_1 = 0
    R_1 = 0
    G_2 = 0
    B_2 = 0
    R_2 = 0
    #第一个图像矩阵通道和
    for x in image_1:
        for y in x:
            G_1 += y[0]
            B_1 += y[1]
            R_1 += y[2]
    #第二个图像矩阵通道和
    for x in image_2:
        for y in x:
            G_2 += y[0]
            B_2 += y[1]
            R_2 += y[2]
    #图像矩阵各通道相似度
    inc_G = 1 - math.fabs(G_1 - G_2) / G_2
    inc_B = 1 - math.fabs(B_1 - B_2) / B_2
    inc_R = 1 - math.fabs(R_1 - R_2) / R_2
    dec = (inc_G + inc_B + inc_R) / 3
    return dec

根据不相似的像素点统计

def compare_by_pixe(pic1, pic2):
    """
    方法二,基于像素点相似数量统计
    :param pic1:
    :param pic2:
    :return:totlepix 像素点个数,diffcount 相似度 ,nptg,ptg
    """
    res={}
    #获取行数列数和通道数
    sp1 = pic1.shape
    sp2 = pic2.shape
    #获取矩阵大小
    res['totlepix'] = pic1.size # pix*3 矩阵大小等于像素点数乘以3
    #判断两张图片的行列数是否相同
    if sp1 != sp2:
        ret = "The two picture is in Different range"
        return ret
    DiffCount = 0
    #遍历矩阵行和列
    for index1 in range(sp1[0]):
        for index2 in range(sp1[1]):
            (b1, g1, r1) = pic1[index1, index2]
            (b2, g2, r2) = pic2[index1, index2]
            if (b1, g1, r1) != (b2, g2, r2):
                DiffCount = DiffCount + 1
    res['totlepix'] = res['totlepix'] / 3
    #相似度=不同的像素点数/像素点总数
    res['diffcount'] =1- DiffCount/ res['totlepix']
    return res

主函数测试

if __name__=="__main__":
    #相似度阈值  
    threshold_value=0.75
    path="./lab1_data/lab1_video.mp4"
    cap=cv2.VideoCapture(path)
    count=0
    if cap.isOpened():
        #锁,用来判断是否为第一帧
        flag=False
        while 1:
            ret,frame=cap.read()
            #缩小图片
            image=cv2.resize(frame,(32,32),interpolation=cv2.INTER_CUBIC)
            if flag==True:
                res=compare_by_pixe(image, temp)
                if res["diffcount"]<threshold_value:
                    cv2.imwrite("./lab1_save_data/"+str(count)+".jpg",frame)
                    count += 1
                #记录当前帧
                temp=image
            if flag==False:
                flag=True
                temp=image
            cv2.imshow("image",frame)
            if cv2.waitKey(10)=='q':
                break
        cv2.destroyAllWindows()

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 【系统设置】CentOS 修改机器名

    ken.io
  • 【倒计时7天】2018教育部-腾讯公司产学合作协同育人项目申请即将截止!

    腾讯高校合作
  • ISUX Xcube智能一键生成H5

    腾讯ISUX
  • 中国互联网协会发布:《2018中国互联网发展报告》

    在2018中国互联网大会闭幕论坛上,中国互联网协会正式发布《中国互联网发展报告2018》(以下简称《报告》)。《中国互联网发展报告》是由中国互联网协会与中国互联...

    钱塘数据
  • 理工男图解零维到十维空间,烧脑已过度,受不了啦!

    让我们从一个点开始,和我们几何意义上的点一样,它没有大小、没有维度。它只是被想象出来的、作为标志一个位置的点。它什么也没有,空间、时间通通不存在,这就是零维度。

    钱塘数据
  • 考研英语-1-导学

    英二图表作文要重视。总体而言,英语一会比英语二难点。不过就写作而言,英语二会比英语一有难度,毕竟图表作文并不好写。

    用户1335799
  • 知识体系解决迷茫的你

    最近在星球里群里都有小伙伴说道自己对未来的路比较迷茫,一旦闲下来就不知道自己改干啥,今天我这篇文章就是让你觉得一天给你 25 个小时你都不够用,觉得睡觉都是浪费...

    桃翁
  • 复杂业务下向Mysql导入30万条数据代码优化的踩坑记录

    从毕业到现在第一次接触到超过30万条数据导入MySQL的场景(有点low),就是在顺丰公司接入我司EMM产品时需要将AD中的员工数据导入MySQL中,因此楼主负...

    haifeiWu
  • SQL中GROUP BY用法示例

    GROUP BY我们可以先从字面上来理解,GROUP表示分组,BY后面写字段名,就表示根据哪个字段进行分组,如果有用Excel比较多的话,GROUP BY比较类...

    Awesome_Tang
  • 不只是软件,在线也可以免费下载百度文库了。

    不管是学生,还是职场员工,下载各种文档几乎是不可避免的,各种XXX.docx,XXX.pptx更是家常便饭,人们最常用的就是百度文库,豆丁文库,道客巴巴这些下载...

    课代表

扫码关注云+社区

领取腾讯云代金券