【图像识别算法】像素级提取图像关键特征、内容 --python代码

像素级提取图像关键特征算法-rgb

关键词：python像素级处理图像，python提取图片关键特征。

基于knn的图像识别技术主要涉及到以下概念：

1. 色彩成像原理
   【图像原理】rgb数字图片概念
2. 计算机显示色彩原理
   【图像原理】rgb数字图片概念之显示器成像原理
3. 色彩与灰度的概念
   【图片处理算法】像素级图像处理算法–彩色转黑白
4. 图片特征提取 👈（本文内容）
5. 建立矩阵并录入黑白照片的每一个像素位
   ⭐⭐⭐

提取图像关键特征

目前很多主流图像识别技术皆是通过形状等因素识别图像内容，这里介绍一种通过rgb成色技术来简单识别 ❗ 简单识别 ❗ 简单识别指定内容的方法。
原理很简单，在一组给定的图片中，只需要得到需要被识别的内容的颜色，即可通过rgb的滤镜技术将所需部分过滤出来。

假设我们要将下图中的红色交通指示牌识别出来：

实现步骤：

1. 需要先采集红色停牌的颜色
2. 遍历图片中每一个像素点把其他颜色滤掉

在这个例子中，目标整体颜色为红色，那么基于rgb的成像技术，我们只需要提取出像素中红色值大于1.5被平均值的像素即可（1.5这个系数越大结果越保守）。这里我们将目标颜色染成黑色，并将其余部分染成白色。

def colorless(filename):
    image=SimpleImage(filename)
    for pixel in image:
        avg=(pixel.red + pixel.green + pixel.blue)/3;
        if pixel.red > 1.5*avg:
            pixel.red = 0
            pixel.blue = 0
            pixel.green = 0
        else:
            pixel.red = 255
            pixel.blue = 255
            pixel.green = 255
    return image

提取效果如下：

什么 ❓ 你觉得内容不够嘈杂❓ ❓ ❓
我们来测试以下稳定性

我们可以看到在下面这张图中有很多错误的点，我们可以通过提高阀值来减少这样的误差

提高阀值后效果还是很明显👉：

总结

通过rgb算法对简单物体识别还是比较准确高效的，后期通过knn算法进行机器训练后可以达到很高的识别准确率。