三分屏课件制作教程

在网络发展到今天，知识的传递变得简单，各种网络学校也层出不穷，但是基础的模式还是不变：一个好的老师，一套好的片子长虹电视客服电话，一段好的教学。

在线学习中，讲者的语音，讲者的P美得空调PT，成为了在线课程最核心的内容。

Microsoft Producer是很早一批制作三分屏课件的工具，不过这个软件应该在windows 2003年就停止更新了。甚至到win7系统，都无法正常安装这个软件了。它的优势是可以直接用PPT的排练计时功能，直接脏话大全导入时间点。

因为没有特别好用的工具，所以课件的制作都比较麻烦，包括时间点的记录，视频剪辑，最后做一套播放程序，这也耗费了大量人工时间。就此，我们重新整理了业务需求和流程，换一种思路做了一套解决方案，实现手机端的视频PPT同步播放。

三分屏课件制作思路1、拍摄讲者视频，制作video12、ScreenFlow录制屏幕PPT，制作video23、通过ffmpeg每秒截取vi小明和王猫deo2的视频关键帧4、通过图片相似度对比，自动计算图片重复情况，删除重复图片，生成翻页时间点。ffmpeg截取关键帧Mac用户直接下载编译好的ffmpeg，放入 /usr/local/bin文件夹下即可使用

ffmpeg -i slide.mp4 -f image2 -vf fps=fps=1 out%d.png

图片相似度计算

图片相似度计算有很多算法，包括 aHash 用平均哈希法识别相似图片；pHash 通过对图片矩阵进行离散余弦变换来识别相似图片；dHash 基于渐变实现的图片相似度算法； 用计算直方图实现识别相似图片。另外一些算市场调研方法法参考。

平均哈希算法（aHash）

此算法是基于比较灰度图每个像素与平均值来实现的，最适用于缩略图，放大图搜索。步骤：1、缩放图片：为了保留结构去掉细节，去除大小、横纵比的差异，把图片统一缩放到8*8，共64个像素的图片。2、转化为灰度图：把缩放后的图片转化为256阶的灰度图。附上灰度图相关算法（R = red， G = green， B = blue）1.浮点算法：Gray=R*0.3+G*0.59+B*0.112.整数方法：Gray=(R*30+G*59+B*11)/1003.移位方法：Gray =(R*76+G*151+B*28)>>8;4.平均值法：Gray=（R+G+B）/3;5.仅取绿色：Gray=G；3、计算平均值： 计算进行灰度处理后图片的所有像素点的平均值。4、比较像素灰度值：遍历灰度图片每一个像素，如果大于平均值记录为1，否则为0。5、得到信息指纹：组合64个bit位，顺序随意保持一致性即可。6、对比指纹：计算两幅图片的指纹，计算汉明距离（从一个指纹到另一个指纹需要变几次），汉明距离越大则说明图片越不一致，反之，汉明距离越小则说明图片越相似，当距离为0时，说明完全相同。（通常认为距离>10 就是两张完全不同的图片）。

感知哈希算法（pHash）

平均哈希算法过于严格，不够精确，更适合搜索缩略图，为人一生了获得更精确的结果可以选择感知哈希算法，它采用的是DCT（离散余弦变换）来降低频率的方法。步骤：1.缩小图片：32 * 32是一个较好的大小，这样方便DCT计算。2.转化为灰度图：把缩放后的图片转化为256阶的灰度图。（具体算法见平均哈希算法步骤） 3.计算DCT:DCT把图片分离成分率的集合。4.缩小DCT：DCT是32*32，保留左上角的8*8，这些代表的图片的最低频率。5.计算平均值：计算缩小DCT后的所有像素点的平均值。6.进一步减小DCT：大于平均值记录为1，反之记录为0。7.得到信息指纹：组合64个信息位，顺序随意保持一致性即可。8.对比指纹：计算两幅图片的指纹，计算汉明距离（从一个指纹到另一个指纹需要变几次），汉明距离越大则说明图片越不一致，反之，汉明距离越小则说明图片越相似，当距离为0时，说cmz明完全相同。（通常认为距离>10 就是两张完全不同的图片）。西安杀人案此算法可参考开源项目pHash，下载地址： Home of pHash, the open source perceptual hash library

差异哈希算法（dHash）

相比pHash，dHash的速度要快的多，相比aHash，dHash在效率几乎相同的情况下的效果要更好，它是基于渐变实现的。

步骤：

1.缩小图片：收缩到9*8的大小，一遍它有72的像素点。

2.转化为灰度图：把缩放后的图片转化为256阶的灰度图。（具体算法见平均哈希算法步骤）。

3.计算差异值：dHash算法工作在相邻像素之间，这样每行9个像素之间产生了8个不同的差异，一共8行，则产生了64个差异值。

4.获得指纹：如果左边的像素比右边的更亮，则记录为1，否则为0。

通过Python识别相似图片

我是计算直方图实现识别相似图片。把图片分隔成16个小块，然后分别比较，最后综合比较结果，从而提高比较的准确率。

from PIL import Imageimport osdef calculate(image1,image2): g = image1.histogram() s = im基金季报age2.histogram() assert len(g) == len(s),"error"离婚找律师; data = [] for index in range(0,len(g)): if g[index] != s[index]: 华人诺贝尔奖 data.浪潮电影append(1 - abs(g[index] - s[index])/max(g[index],s[index]) ) else: data.append(1) return sum(data)/len(g)def split_imgae(image,part_size): pw,ph = part_size w,h = image.size sub_image_list = [] assert w % pw == h % ph == 0,"error" for i in range(0,w,pw): for j in range(0,h,ph): sub_image = image.crop((i,j,i+pw,j+ph)).copy() sub_image_list.append(sub_image) return sub_image_listdef classfiy_histogram_with_split(image1,image2,size = (256,256),part_size=(64,64)): image1 = image1.resize(size).convert("RGB") sub_image1 = split_imgae(image1,part_size) image2 = image2.resize(size).convert("RG胖人穿衣搭配图片B") sub_image2 = split_imgae(image2,part_s天津市地震局ize) sub_data = 0; for im1,im2 in zip(sub_image1,sub_image2): sub_data += calculate(im1, im2) x = size[0]/part_size[0] y = size[1]/part_size[1] pre = round((sub_data/(x*y) ),3 ) return pre

清理多余文件

把所有相似度超过70%的图片直接删除，只保留唯一图片即可。但是，根据视频质量的差异，可能有的图片相似度要用到90%。

os.system('ffmpeg -i barksdaleslide.mp4 -f image2 -vf fps=立体剪裁fps=1 out%d.png')im1 = Image.open("out1.png")for i in range(5000): try: im2 = Image.open("out%s.png" % str(i+2)) diff = classfiy_histogram_with_split(im粗糙度1, im2) print (diff) if diff > 0蝎子乐队.7: os.remove("out%s.png" % str(i+2)) else: im1 = Image.open("out%s.png" % str(i+2)) except: pass

至此fc赤色要塞，基本可以省去大部分人工核对时间节点的问题，而且也能更好的处理PPT翻页的问题。但是这样做还有几点需要注意：

藤真健司1、拍摄要求：ppt禁止翻页动画，否则会影响图片识别精度。2、视频讲解过程不能停顿，后期如果剪辑会破坏时间线。