[OpenCV] 基于聚类的视频关键帧提取
1.《用非监督式聚类进行视频镜头分割》
2.《一种基于视频聚类的关键帧提取方法》
右边为提取出来的关键帧
聚类的基本思想是，先把视频聚成n个类，这n个类内的视频帧是相似的，而类与类之间的视频帧是不相似的。第二步是从每个类内提取一个代表作为关键帧，另外，如果一个类的帧数太少，那么这个类不具有代表性，可以直接与相邻帧合并。
因为HSV空间相比起RGB空间对颜色特性有着更好的支持，所以第一步我们先把颜色映射到HSV空间上。
首先，把分布在0~255的RGB颜色直接映射到0~255的HSV颜色。接下来，我们对HSV颜色再进行一次分割，即把H分量等分为12块，S,V分量各等分为5块，再把原来范围在0 ~255的颜色映射到12X5X5的范围上。
完成映射后，接下来需要构建HSV的颜色空间。我们设图像的大小为为MXN。然后分别统计H,S,V分量中，值为i的占的百分比为多少。
计算两张图像的相似度，需要我们先分别计算三个颜色直方图的相似性，具体的计算方法是累加两张图像直方图相同索引处对应的最小值。
又因为人眼对H分量的敏感程度大于对S分量，而对S分量的敏感程度又大于对V分量，所以最终我们设H的权重为0.5，S为0.3，V为0.2。
接下来，开始具体的计算。
1.对于每个类，维护一个质心：
2.对于每一帧，计算它聚类质心的相似度（根据前面提到的相似度公式）
如果相似度小于某一阈值，那么把它归到一个新建的类中，否则加入之前的类中。
3.合并一部分过小的聚类。
4.计算每个聚类中熵最大的图像，将其作为关键帧，计算方法：
