【python】Python + OpenCV 实现视频关键帧提取与智能去重

Python + OpenCV 实现视频关键帧提取与智能去重

摘要：本文介绍如何利用 Python、OpenCV 与感知哈希（pHash）从长视频中自动提取"不重复"的关键帧，解决传统固定间隔抽帧造成的画面冗余问题。完整代码 + 实测结果 + 参数调优建议一网打尽。

---

目录

• [Python + OpenCV 实现视频关键帧提取与智能去重](#Python + OpenCV 实现视频关键帧提取与智能去重)
  • 目录
  • 一、背景与需求
  • 二、整体思路
    • [为什么用 pHash？](#为什么用 pHash？)
  • 三、环境准备
  • 四、核心代码解析
    • 关键代码说明
  • 五、运行方式
    • [方式 1：直接运行 Python 脚本](#方式 1：直接运行 Python 脚本)
    • [方式 2：通过 Windows 批处理脚本](#方式 2：通过 Windows 批处理脚本)
  • 六、测试结果
    • 运行开始
    • 运行结束
  • 七、参数调优建议
    • 不同场景推荐
  • 八、总结与扩展
    • 可扩展方向

---

一、背景与需求

在做视频素材整理、AI 训练数据集构建、或者视频内容摘要时，常常需要从视频中抽取代表性图片：

• 如果按固定时间间隔抽帧，容易得到大量重复画面；
• 如果人工挑选，效率又非常低。

因此，我们需要一种自动、高效、去重的视频抽帧方案。

本方案的目标：

1. 读取任意视频文件；
2. 按最小时间间隔采样；
3. 使用感知哈希判断画面相似度；
4. 只保存"足够不同"的关键帧。

---

二、整体思路

整体流程图如下：

输入视频
  │
  ▼
OpenCV 逐帧读取
  │
  ▼
判断是否满足最小提取间隔（min_interval_sec）
  │
  ▼
将帧转为 PIL 图像并缩放至 64×64
  │
  ▼
计算感知哈希 pHash
  │
  ▼
与已保存帧逐一比较汉明距离
  │
  ▼
相似度低于阈值 → 丢弃
相似度高于阈值 → 保存为 JPG

为什么用 pHash？

• pHash（Perceptual Hash）对轻微的颜色、压缩、缩放变化不敏感；
• 比简单的像素差值更符合"人眼感知"的相似度；
• 汉明距离计算速度快，适合大规模帧比较。

---

三、环境准备

确保已安装 Python 3.7+，然后安装依赖：

pip install opencv-python Pillow imagehash numpy

如果只需要 OpenCV 基础功能，opencv-python 即可；若需更全面的 API，可安装 opencv-python-headless 或 opencv-contrib-python。

---

四、核心代码解析

完整脚本 get_image_from_video.py 如下：

import cv2
import os
from datetime import timedelta
from PIL import Image
import imagehash
import numpy as np

def extract_unique_frames(video_path, output_dir, similarity_threshold=0.7, min_interval_sec=1.0):
    """
    从视频中提取不重复的关键帧（基于感知哈希去重）

    参数:
        video_path: 视频文件路径
        output_dir: 输出图片目录
        similarity_threshold: 相似度阈值（0~1，越小越严格，建议 0.7~0.85）
        min_interval_sec: 最小提取间隔（秒），避免在极短时间内提取过多帧
    """
    if not os.path.exists(output_dir):
        os.makedirs(output_dir)

    cap = cv2.VideoCapture(video_path)
    if not cap.isOpened():
        print(f"❌ 无法打开视频文件: {video_path}")
        return

    fps = cap.get(cv2.CAP_PROP_FPS)
    total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))
    duration_sec = total_frames / fps
    print(f"📹 视频信息: FPS={fps:.2f}, 总帧数={total_frames}, 时长={duration_sec:.2f}s")

    # 用于存储已保存帧的哈希值列表
    saved_hashes = []
    saved_count = 0
    last_saved_time = -min_interval_sec

    frame_idx = 0
    while True:
        ret, frame = cap.read()
        if not ret:
            break

        current_time = frame_idx / fps

        # 检查是否满足最小时间间隔
        if current_time - last_saved_time < min_interval_sec:
            frame_idx += 1
            continue

        # 计算当前帧的感知哈希（pHash）
        # OpenCV 图像 (BGR) -> PIL 图像 (RGB)
        frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
        pil_img = Image.fromarray(frame_rgb)
        # 缩放到 64x64 以加速计算（可根据需要调整）
        pil_img = pil_img.resize((64, 64))
        current_hash = imagehash.phash(pil_img)

        # 判断是否与已保存的任一帧相似
        is_duplicate = False
        for saved_hash in saved_hashes:
            # 汉明距离 / 最大位数 (64位)
            similarity = 1 - (saved_hash - current_hash) / 64.0
            if similarity >= similarity_threshold:
                is_duplicate = True
                break

        if not is_duplicate:
            # 保存新帧
            timestamp = str(timedelta(seconds=current_time)).replace(":", "-")
            filename = f"frame_{saved_count+1:05d}_{timestamp}.jpg"
            filepath = os.path.join(output_dir, filename)
            cv2.imwrite(filepath, frame)
            print(f"✅ 保存帧 {saved_count+1}: 时间={timestamp}")

            saved_hashes.append(current_hash)
            saved_count += 1
            last_saved_time = current_time

        frame_idx += 1

    cap.release()
    print(f"🎉 提取完成！共保存 {saved_count} 个不重复帧，保存在: {output_dir}")


if __name__ == "__main__":
    # 请修改以下参数
    VIDEO_PATH = r"C:\Desktop\xxx.mp4"   # 输入视频路径
    OUTPUT_DIR = "./extracted_frames"      # 输出目录
    SIMILARITY_THRESHOLD = 0.72            # 相似度阈值（0.7~0.85，越小越严格）
    MIN_INTERVAL_SEC = 0.5                 # 最小提取间隔（秒）

    extract_unique_frames(VIDEO_PATH, OUTPUT_DIR, SIMILARITY_THRESHOLD, MIN_INTERVAL_SEC)

关键代码说明

代码段	作用
cv2.VideoCapture	打开视频并获取 FPS、总帧数
frame_idx / fps	将帧索引转换为实际时间（秒）
min_interval_sec	避免相邻帧过度密集，减少计算量
cv2.cvtColor(..., COLOR_BGR2RGB)	OpenCV 默认 BGR，转为 RGB 供 PIL 使用
imagehash.phash(pil_img)	计算 64 位感知哈希
1 - (saved_hash - current_hash) / 64.0	将汉明距离转换为 0~1 相似度
timedelta(...).replace(":", "-")	生成合法的文件名时间戳

---

五、运行方式

方式 1：直接运行 Python 脚本

python get_image_from_video.py

方式 2：通过 Windows 批处理脚本

run.bat 内容：

@echo off
python "C:\Desktop\get_image_from_video.py"
pause

双击 run.bat 即可运行，运行结束后会提示"请按任意键继续..."，方便查看结果。

注意：请根据自己的实际路径修改 run.bat 中的脚本路径，以及 get_image_from_video.py 中的 VIDEO_PATH。

---

六、测试结果

使用一段时长约 3765 秒（约 62 分钟） 的视频进行测试，配置如下：

• SIMILARITY_THRESHOLD = 0.72
• MIN_INTERVAL_SEC = 0.5

运行开始

程序首先输出视频基本信息，并逐行打印保存的帧号和时间戳：

从图中可以看到：

• 视频 FPS = 9.42
• 总帧数 = 35477
• 时长 = 3765.20 秒
• 开始按时间顺序输出保存的帧

运行结束

当视频读取完毕后，程序输出最终统计：

从图中可以看到：

• 最终共保存 74 个不重复帧
• 输出目录为 ./extracted_frames
• 全部帧按时间命名，便于后续查找

也就是说，从约 3.5 万帧原始画面 中，只保留了 74 张关键图，去重率非常高，大大节省了存储和人工筛选成本。

---

七、参数调优建议

参数	含义	建议值	调大效果	调小效果
similarity_threshold	相似度阈值	0.70 ~ 0.85	更容易判定为相似，保存帧更少	更严格，保存帧更多
min_interval_sec	最小提取间隔	0.3 ~ 2.0	抽帧更稀疏	抽帧更密集

不同场景推荐

• 制作视频封面/摘要 ：threshold=0.75，min_interval=1.0，保留主要镜头切换；
• 构建训练数据集 ：threshold=0.80，min_interval=0.3，保留更多细节变化；
• 监控/慢速场景 ：threshold=0.70，min_interval=2.0，只保留明显变化帧。

---

八、总结与扩展

本文实现了一个轻量级的视频关键帧提取工具，具备以下优点：

• ✅ 依赖少，仅 OpenCV、PIL、imagehash；
• ✅ 基于感知哈希，去重效果贴近人眼感知；
• ✅ 参数可调，适应不同视频类型；
• ✅ 输出文件名带时间戳，方便回溯定位。

可扩展方向

1. 批量处理文件夹：遍历目录下所有视频，统一输出；
2. 多哈希融合：同时使用 pHash + dHash + aHash，提高判断稳定性；
3. 关键帧评分：结合清晰度、色彩丰富度筛选"最佳"帧；
4. 视频分段去重：按镜头切换分段，避免全局比较导致遗漏。

完整代码已在文档中，欢迎下载试用！

---

如果觉得本文对你有帮助，欢迎点赞、收藏、评论交流～