opencv python3 找图片色块_如何使用OpenCV在Python中找到图像的平均颜色？

如何修复错误

导致此错误的原因有两个：

>文件名拼写错误.

>图像文件不在当前工作目录中.

要解决此问题,您应确保文件名拼写正确(以大小写敏感检查)并且映像文件位于当前工作目录中(此处有两个选项：您可以更改IDE中的当前工作目录或指定文件的完整路径).

平均颜色与主色

然后要计算“平均颜色”,你必须决定你的意思.在灰度图像中,它只是图像中灰度级的平均值,但是颜色没有“平均值”.实际上,颜色通常通过三维矢量表示,而灰度级是标量.平均标量很好,但平均向量没有意义.

将图像分离为其色彩分量并获取每个分量的平均值是一种可行的方法.然而,这种方法可能产生无意义的颜色.您可能真正想要的是主色而不是平均色.

履行

我们慢慢来看看代码吧.我们首先导入必要的模块并阅读图像：

import cv2

import numpy as np

from skimage import io

img = io.imread('https://i.stack.imgur.com/DNM65.png')[:, :, :-1]

然后我们可以按照类似于@Ruan B提出的方法计算每个色度通道的平均值：

average = img.mean(axis=0).mean(axis=0)

接下来,我们应用k-means clustering来创建具有最具代表性的图像颜色的调色板(在此玩具示例中,n_colors设置为5).

pixels = np.float32(img.reshape(-1, 3))

n_colors = 5

criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 200, .1)

flags = cv2.KMEANS_RANDOM_CENTERS

_, labels, palette = cv2.kmeans(pixels, n_colors, None, criteria, 10, flags)

_, counts = np.unique(labels, return_counts=True)

最后,主色是在量化图像上最常出现的调色板颜色：

dominant = palette[np.argmax(counts)]

比较结果

为了说明两种方法之间的差异,我使用了以下示例图像：

所获得的平均颜色值,即其分量是三个色度通道的平均值的颜色,以及通过k均值聚类计算的主色颜色是相当不同的：

In [30]: average

Out[30]: array([91.63179156, 69.30190754, 58.11971896])

In [31]: dominant

Out[31]: array([179.3999 , 27.341282, 2.294441], dtype=float32)

让我们看看这些颜色如何更好地理解两种方法之间的差异.在下图的左侧部分显示平均颜色.很明显,计算出的平均颜色没有恰当地描述原始图像的颜色含量.实际上,原始图像中没有一个像素具有该颜色.图的右侧部分显示了按重要性(出现频率)的降序从上到下排序的五种最具代表性的颜色.这个调色板显然主色是红色,这与原始图像中最大的均匀颜色区域对应红色乐高片的事实是一致的.

这是用于生成上图的代码：

import matplotlib.pyplot as plt

avg_patch = np.ones(shape=img.shape, dtype=np.uint8)*np.uint8(average)

indices = np.argsort(counts)[::-1]

freqs = np.cumsum(np.hstack([[0], counts[indices]/counts.sum()]))

rows = np.int_(img.shape[0]*freqs)

dom_patch = np.zeros(shape=img.shape, dtype=np.uint8)

for i in range(len(rows) - 1):

dom_patch[rows[i]:rows[i + 1], :, :] += np.uint8(palette[indices[i]])

fig, (ax0, ax1) = plt.subplots(1, 2, figsize=(12,6))

ax0.imshow(avg_patch)

ax0.set_title('Average color')

ax0.axis('off')

ax1.imshow(dom_patch)

ax1.set_title('Dominant colors')

ax1.axis('off')

plt.show(fig)

TL; DR回答

总之,尽管计算平均颜色 – 如@Ruan B.的答案中所提出的 – 从数学角度来看在技术上是正确的,但是产生的结果可能不足以代表图像的颜色内容.更明智的方法是通过矢量量化(聚类)确定主色.