🐍 Python ile Bir Görseli Bir Video İçinde Aramak

Python'u kurduktan sonra kütüphaneyi CMD üzerinden indir:

pip install opencv-python numpy yt-dlp

Videoyu Python üzerinden indirmek için:

python -m yt_dlp -f "bestvideo[ext=mp4]+bestaudio[ext=m4a]/best[ext=mp4]" "https://www.youtube.com/watch?v=t_AfcayiGwI" -o video.mp4

Çalışmakta olan kodu CMD içindeyken "CTRL+C" ile durdurabiliriz.

CMD içinde biriken veriyi silmek için CLS komutunu yazmak yeterli.

"find_frame_v1_1.py" dosyasını bu şekilde çağırmak yeterli:

python find_frame_v1_1.py

import cv2 import numpy as np def find_frame_by_template(video_path, template_path, step=1): # 1. Kırpılmış referans görseli (template) yükle # (Gri tonlamalı yüklüyoruz, hem daha hızlı hem daha kararlıdır) template = cv2.imread(template_path, cv2.IMREAD_GRAYSCALE) if template is None: print(f"Hata: Şablon görsel bulunamadı: {template_path}") return temp_h, temp_w = template.shape # 2. Videoyu aç cap = cv2.VideoCapture(video_path) if not cap.isOpened(): print(f"Hata: Video dosyası açılamadı: {video_path}") return fps = cap.get(cv2.CAP_PROP_FPS) total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT)) print(f"Video yüklendi: {total_frames} kare, FPS: {fps:.2f}") print(f"Şablon boyutu: {temp_w}x{temp_h}") max_val = -1 # En iyi eşleşme skoru (-1 ile 1 arasıdır, 1 mükemmeldir) best_frame_idx = -1 best_time_sec = 0 frame_count = 0 print("Kırpılmış şablon ile tarama başlatıldı (Template Matching)...") while True: ret, frame = cap.read() if not ret: break # Belirlenen adım aralığında kontrol et if frame_count % step == 0: # Video karesini gri tonlamaya çevir (sadece içerik arıyoruz, renk değil) gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # --- TEMPLATE MATCHING CORE --- # Eşleştirme yap. TM_CCOORR_NORMED mükemmel eşleşmede 1'e yaklaşır. result = cv2.matchTemplate(gray_frame, template, cv2.TM_CCORR_NORMED) # En iyi eşleşme lokasyonunu ve skorunu bul _, current_max_val, _, _ = cv2.minMaxLoc(result) # Eğer şu ana kadarki en iyi skoru bulduysak, kaydet if current_max_val > max_val: max_val = current_max_val best_frame_idx = frame_count best_time_sec = frame_count / fps frame_count += 1 # Her 500 karede bir durumu bildir (Template matching daha yavaştır) if frame_count % 500 == 0: print(f"İşlenen kare: {frame_count} / {total_frames} (Mevcut en iyi skor: {max_val:.4f})") cap.release() # Zamanı HH:MM:SS.mmm biçimine dönüştür hrs = int(best_time_sec // 3600) mins = int((best_time_sec % 3600) // 60) secs = int(best_time_sec % 60) millis = int((best_time_sec - int(best_time_sec)) * 1000) print("\n" + "="*40) print(f"TARAMA TAMAMLANDI!") print(f"En yüksek eşleşme skoru : {max_val:.4f} (1.0000 mükemmel eştir)") if best_frame_idx != -1 and max_val > 0.8: # Skor 0.8'den büyükse genellikle doğrudur print(f"Bulunan Zaman Damgası : {hrs:02d}:{mins:02d}:{secs:02d}.{millis:03d}") print(f"Bulunan Kare No : {best_frame_idx}") else: print("Uyarı: Mükemmel bir eşleşme bulunamadı, ancak en iyi ihtimal yukarıdadır.") print("="*40) # Dosya adlarınızı buraya yazın # Not: Hızlandırmak için 'step' değerini yükseltebilirsiniz (örn: step=5) find_frame_by_template("leylaklar_altinda_1954.mp4", "hugnen_evi.png", step=1)

"find_frame_v1_1.py" sonuçlarını TM_CCORR_NORMED yöntemiyle okumak:

Doğruluk Skoru: Sonuçta artık "Fark" (MSE) değil, "Eşleşme Skoru" (Max Val) göreceksiniz. Bu değer 0.0 ile 1.0 arasındadır.

1.0000: Şablon, videonun o karesinin bir bölümüyle %100 birebir örtüşüyor.

0.9000 - 0.9999: YouTube sıkıştırması nedeniyle küçük piksel farkları var ama görsel kesinlikle doğru karedir.

0.8000'in altı: Eşleşme zayıf, yanlış kare olabilir.

---

import cv2 import numpy as np def find_frame_by_template(video_path, template_path, step=1): # 1. Kırpılmış referans görseli (template) yükle # (Gri tonlamalı yüklüyoruz, hem daha hızlı hem daha kararlıdır) template = cv2.imread(template_path, cv2.IMREAD_GRAYSCALE) if template is None: print(f"Hata: Şablon görsel bulunamadı: {template_path}") return temp_h, temp_w = template.shape # 2. Videoyu aç cap = cv2.VideoCapture(video_path) if not cap.isOpened(): print(f"Hata: Video dosyası açılamadı: {video_path}") return fps = cap.get(cv2.CAP_PROP_FPS) total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT)) print(f"Video yüklendi: {total_frames} kare, FPS: {fps:.2f}") print(f"Şablon boyutu: {temp_w}x{temp_h}") max_val = -1 # En iyi eşleşme skoru (-1 ile 1 arasıdır, 1 mükemmeldir) best_frame_idx = -1 best_time_sec = 0 frame_count = 0 print("Kırpılmış şablon ile tarama başlatıldı (Template Matching)...") while True: ret, frame = cap.read() if not ret: break # Belirlenen adım aralığında kontrol et if frame_count % step == 0: # Video karesini gri tonlamaya çevir (sadece içerik arıyoruz, renk değil) gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # --- TEMPLATE MATCHING CORE --- # Eşleştirme yap. TM_CCOORR_NORMED mükemmel eşleşmede 1'e yaklaşır. result = cv2.matchTemplate(gray_frame, template, cv2.TM_CCOEFF_NORMED) # En iyi eşleşme lokasyonunu ve skorunu bul _, current_max_val, _, _ = cv2.minMaxLoc(result) # Eğer şu ana kadarki en iyi skoru bulduysak, kaydet if current_max_val > max_val: max_val = current_max_val best_frame_idx = frame_count best_time_sec = frame_count / fps frame_count += 1 # Her 500 karede bir durumu bildir (Template matching daha yavaştır) if frame_count % 500 == 0: print(f"İşlenen kare: {frame_count} / {total_frames} (Mevcut en iyi skor: {max_val:.4f})") cap.release() # Zamanı HH:MM:SS.mmm biçimine dönüştür hrs = int(best_time_sec // 3600) mins = int((best_time_sec % 3600) // 60) secs = int(best_time_sec % 60) millis = int((best_time_sec - int(best_time_sec)) * 1000) print("\n" + "="*40) print(f"TARAMA TAMAMLANDI!") print(f"En yüksek eşleşme skoru : {max_val:.4f} (1.0000 mükemmel eştir)") if best_frame_idx != -1 and max_val > 0.8: # Skor 0.8'den büyükse genellikle doğrudur print(f"Bulunan Zaman Damgası : {hrs:02d}:{mins:02d}:{secs:02d}.{millis:03d}") print(f"Bulunan Kare No : {best_frame_idx}") else: print("Uyarı: Mükemmel bir eşleşme bulunamadı, ancak en iyi ihtimal yukarıdadır.") print("="*40) # Dosya adlarınızı buraya yazın # Not: Hızlandırmak için 'step' değerini yükseltebilirsiniz (örn: step=5) find_frame_by_template("leylaklar_altinda_1954.mp4", "hugnen_evi.png", step=1)

"find_frame_v1_2.py" sonuçlarını TM_CCOEFF_NORMED yöntemiyle okumak:

TM_CCOEFF_NORMED ortalama parlaklığı çıkartarak kıyaslama yapar. Bu sayede aranılan kare bulunmadığında skor 0.10 - 0.40 civarında gezer, doğru kareye gelindiğinde ise birden 0.90 - 1.00 seviyesine zıplar (yani aradaki farkı çok net görürsünüz).

---

import cv2 import numpy as np def find_frame_multiscale(video_path, template_path, step=5): # 1. Referans görseli (template) yükle template_orig = cv2.imread(template_path, cv2.IMREAD_GRAYSCALE) if template_orig is None: print(f"Hata: Şablon görsel bulunamadı: {template_path}") return # 2. Videoyu aç cap = cv2.VideoCapture(video_path) if not cap.isOpened(): print(f"Hata: Video dosyası açılamadı: {video_path}") return fps = cap.get(cv2.CAP_PROP_FPS) total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT)) video_w = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH)) video_h = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT)) print(f"Video yüklendi: {total_frames} kare, Çözünürlük: {video_w}x{video_h}, FPS: {fps:.2f}") print(f"Orijinal Şablon Boyutu: {template_orig.shape[1]}x{template_orig.shape[0]}") max_val_global = -1 best_frame_idx = -1 best_time_sec = 0 best_scale = 1.0 # Şablonu videoya sığacak boyutlara çekmek için olası ölçek oranlarını (scale) oluştur # Şablonun videodan büyük olduğu durumları engellemek için maksimum ölçek belirlenir max_template_dim = max(template_orig.shape[:2]) min_video_dim = min(video_w, video_h) # 0.1 ile 1.0 arasında 30 farklı ölçekleme adımı dener scales = np.linspace(0.1, 1.0, 30)[::-1] frame_count = 0 print("\nÇok ölçekli tarama başlatıldı (Multi-Scale Matching)...") while True: ret, frame = cap.read() if not ret: break if frame_count % step == 0: gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # Her bir kare için farklı ölçekleri tara for scale in scales: # Şablonu mevcut ölçeğe göre yeniden boyutlandır resized_w = int(template_orig.shape[1] * scale) resized_h = int(template_orig.shape[0] * scale) # Şablon videodan büyükse veya çok küçükse bu ölçeği atla if resized_w >= video_w or resized_h >= video_h or resized_w < 20 or resized_h < 20: continue resized_template = cv2.resize(template_orig, (resized_w, resized_h)) # Eşleştirme yap result = cv2.matchTemplate(gray_frame, resized_template, cv2.TM_CCOEFF_NORMED) _, current_max_val, _, _ = cv2.minMaxLoc(result) if current_max_val > max_val_global: max_val_global = current_max_val best_frame_idx = frame_count best_time_sec = frame_count / fps best_scale = scale frame_count += 1 if frame_count % 1000 == 0: print(f"İşlenen kare: {frame_count} / {total_frames} | Mevcut En İyi Skor: {max_val_global:.4f} (Ölçek: %{best_scale*100:.1f})") cap.release() hrs = int(best_time_sec // 3600) mins = int((best_time_sec % 3600) // 60) secs = int(best_time_sec % 60) millis = int((best_time_sec - int(best_time_sec)) * 1000) print("\n" + "="*40) print(f"TARAMA TAMAMLANDI!") print(f"En yüksek eşleşme skoru : {max_val_global:.4f}") print(f"Uygun Ölçek Oranı : %{best_scale*100:.1f}") if best_frame_idx != -1 and max_val_global > 0.65: # Ölçekli aramada 0.65+ çok güçlü bir eşleşmedir print(f"Bulunan Zaman Damgası : {hrs:02d}:{mins:02d}:{secs:02d}.{millis:03d}") print(f"Bulunan Kare No : {best_frame_idx}") else: print("Uyarı: Mükemmel bir eşleşme bulunamadı, ancak en iyi ihtimal yukarıdadır.") print("="*40) # Dosya adlarınız: # İpucu: Çok ölçekli tarama daha fazla işlem gerektirdiği için başlangıçta 'step=10' veya 'step=5' kullanmanız önerilir. find_frame_multiscale("leylaklar_altinda_1954.mp4", "hugnen_evi.png", step=5)

"find_frame_v2.py" sonuçlarını "Multi-Scale Template Matching" yöntemiyle okumak:

Doğru Skor Algılaması: Doğru kareye gelindiğinde skor 0.70 - 0.95 arasına fırlayacaktır.

Performans: Çok boyutlu arama işlemi daha fazla matematiksel hesaplama yaptığı için step=5 veya step=10 parametresi ile çalıştırmanız önerilir. Saati ve dakikayı bulduktan sonra noktayı netleştirebilirsiniz.

Bir test, step=5 ayarı ile yaklaşık 1 saat sürdü.

"Atatürk Kültür Merkezi ve onun önünde (Edouard Huguenin) Hügnen'in evi" 

 https://youtu.be/t_AfcayiGwI?t=1h25m30s