如何使用OpenCV在Python中找到图像的平均颜色?
image-processing
numpy
opencv
python
4
0

我尝试了这段代码:

import cv2
image = cv2.imread("sample.jpg")
pixel = image[200, 550]
print pixel

但我得到错误为:

'Nonetype'无属性错误getitem

执行第三行代码后,将显示此错误。

参考资料:
Stack Overflow
收藏
评论
共 3 个回答
高赞 时间 活跃

另一种使用K-Means聚类的方法通过sklearn.cluster.KMeans()确定图像中的主色


输入图像

结果

n_clusters=5 ,这是最主要的颜色和百分比分布

[76.35563647 75.38689122 34.00842057] 7.92%
[200.99049989  31.2085501   77.19445073] 7.94%
[215.62791291 113.68567694 141.34945328] 18.85%
[223.31013152 172.76629675 188.26878339] 29.26%
[234.03101989 217.20047979 229.2345317 ] 36.03%

每个颜色集群的可视化

在此处输入图片说明

n_clusters=10相似,

[161.94723762 137.44656853 116.16306634] 3.13%
[183.0756441    9.40398442  50.99925105] 4.01%
[193.50888866 168.40201684 160.42104169] 5.78%
[216.75372674  60.50807092 107.10928817] 6.82%
[73.18055782 75.55977818 32.16962975] 7.36%
[226.25900564 108.79652434 147.49787087] 10.44%
[207.83209569 199.96071651 199.48047163] 10.61%
[236.01218943 151.70521203 182.89174295] 12.86%
[240.20499237 189.87659523 213.13580544] 14.99%
[235.54419627 225.01404087 235.29930545] 24.01%

在此处输入图片说明

import cv2, numpy as np
from sklearn.cluster import KMeans

def visualize_colors(cluster, centroids):
    # Get the number of different clusters, create histogram, and normalize
    labels = np.arange(0, len(np.unique(cluster.labels_)) + 1)
    (hist, _) = np.histogram(cluster.labels_, bins = labels)
    hist = hist.astype("float")
    hist /= hist.sum()

    # Create frequency rect and iterate through each cluster's color and percentage
    rect = np.zeros((50, 300, 3), dtype=np.uint8)
    colors = sorted([(percent, color) for (percent, color) in zip(hist, centroids)])
    start = 0
    for (percent, color) in colors:
        print(color, "{:0.2f}%".format(percent * 100))
        end = start + (percent * 300)
        cv2.rectangle(rect, (int(start), 0), (int(end), 50), \
                      color.astype("uint8").tolist(), -1)
        start = end
    return rect

# Load image and convert to a list of pixels
image = cv2.imread('1.png')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
reshape = image.reshape((image.shape[0] * image.shape[1], 3))

# Find and display most dominant colors
cluster = KMeans(n_clusters=5).fit(reshape)
visualize = visualize_colors(cluster, cluster.cluster_centers_)
visualize = cv2.cvtColor(visualize, cv2.COLOR_RGB2BGR)
cv2.imshow('visualize', visualize)
cv2.waitKey()
收藏
评论

如何解决错误

有两个可能的原因导致此错误发生:

  1. 文件名拼写错误。
  2. 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(以防区分大小写,以防万一),并且图像文件位于当前工作目录中(此处有两个选项:您可以在IDE中更改当前工作目录)或指定文件的完整路径)。

平均色与主色

然后,要计算“平均颜色”,您必须确定您的意思。在灰度图像中,它只是整个图像中灰度级的平均值。颜色通常通过3维向量表示,而灰度级是标量。

平均颜色是所有像素的总和除以像素数。但是,此方法可能会产生与最突出的视觉颜色不同的颜色。您可能真正想要的是主导色而不是平均色。

实作

让我们慢慢看一下代码。我们首先导入必要的模块并读取图像:

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@Ruan B.提出的方法,计算每个彩色通道的平均值:

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

接下来,我们应用k均值聚类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,主要的颜色是最常出现在量化图像上的调色板颜色:

dominant = palette[np.argmax(counts)]

结果比较

为了说明这两种方法之间的差异,我使用了以下示例图像:

乐高积木

获得的平均颜色值(即,其成分是三个色度通道的均值的颜色)和通过k均值聚类计算出的主色非常不同:

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这两种方法之间的差异。在下图的左侧,显示平均颜色。很明显,计算出的平均颜色不能正确描述原始图像的颜色内容。实际上,原始图像中没有单个像素具有该颜色。图的右侧部分显示了五个最有代表性的颜色,这些颜色从上到下以重要性从高到低的顺序排列(发生频率)。此调色板可以清楚地看出主色调是红色,这与原始图像中最大的统一颜色区域对应于红色的乐高积木这一事实是一致的。

结果

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答案

总而言之,尽管按@Ruan B.的答案所建议的那样,平均颜色的计算是正确的,但是得出的结果可能无法充分代表图像的颜色。一种更明智的方法是通过矢量量化(聚类)确定主色。

收藏
评论

我可以使用以下方法获得平均颜色:

import cv2
import numpy
myimg = cv2.imread('image.jpg')
avg_color_per_row = numpy.average(myimg, axis=0)
avg_color = numpy.average(avg_color_per_row, axis=0)
print(avg_color)

结果:

[ 197.53434769  217.88439451  209.63799938]

我引用的大量资源

收藏
评论
新手导航
  • 社区规范
  • 提出问题
  • 进行投票
  • 个人资料
  • 优化问题
  • 回答问题

关于我们

常见问题

内容许可

联系我们

@2020 AskGo
京ICP备20001863号