基于颜色特征的图像识别

最新推荐文章于 2025-04-02 16:05:14 发布

西门萝卜

最新推荐文章于 2025-04-02 16:05:14 发布

阅读量1.2w

点赞数 2

分类专栏：图像相关

本文链接：https://blog.csdn.net/paullovazxq/article/details/78227889

版权

该博客探讨了在背景黑色、物体形态变化的情况下，如何利用颜色特征进行图像识别。作者通过尝试发现，HSV颜色模型中的S分量更能反映颜色的醒目程度，从而提高识别准确性。HSV模型优于RGB，因为它能更好地模拟人类对颜色的感知，且减少光照影响。不同平台（如OpenCV、Android、Python/PIL）中HSV的取值范围有所差异。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

要做一个背景黑色，物体形态可变（比如项链，两次放置的形状肯定不一样）的图像识别。很直接的想法就是，提取图片中的主要颜色，计算有多少像素在这个颜色范围内，把像素个数作为识别的特征。

从网上找到了一段代码：

import colorsys  
   
def get_dominant_color(image):  
       
    image = image.convert('RGBA')  
      
    #生成缩略图，减少计算量 
    image.thumbnail((200, 200))  
      
    max_score = 0 
    dominant_color = 0
      
    for count, (r, g, b, a) in image.getcolors(image.size[0] * image.size[1]):  
        # 跳过纯黑色  
        if a == 0:  
            continue  
          
        saturation = colorsys.rgb_to_hsv(r / 255.0, g / 255.0, b / 255.0)[1]  
         
        y = min(abs(r * 2104 + g * 4130 + b * 802 + 4096 + 131072) >> 13, 235)  
         
        y = (y - 16