原文来自：

这段代码主要用来从图片提取其主要颜色，类似Goolge和Baidu的图片搜索时可以指定按照颜色搜索，所以我们先需要将每张图片的主要颜色提取出来，然后将颜色划分到与其最接近的颜色段上，然后就可以按照颜色搜索了。 代码转自：http://www.pythontab.com

在使用google或者baidu搜图的时候会发现有一个图片颜色选项，感觉非常有意思，有人可能会想这肯定是人为的去划分的，呵呵，有这种可能，但是估计人会累死，开个玩笑，当然是通过机器识别的，海量的图片只有机器识别才能做到。 那用python能不能实现这种功能呢？答案是：能 利用python的PIL模块的强大的图像处理功能就可以做到，下面上代码：

import colorsys

def get_dominant_color(image):

#颜色模式转换，以便输出rgb颜色值

image = image.convert('RGBA')

#生成缩略图，减少计算量，减小cpu压力

image.thumbnail((200, 200))

max_score = 0//原来的代码此处为None

dominant_color = 0//原来的代码此处为None，但运行出错，改为0以后 运行成功，原因在于在下面的 score > max_score的比较中，max_score的初始格式不定

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 - 16.0) / (235 - 16)

# 忽略高亮色

if y > 0.9:

continue

# Calculate the score, preferring highly saturated colors.

# Add 0.1 to the saturation so we don't completely ignore grayscale

# colors by multiplying the count by zero, but still give them a low

# weight.

score = (saturation + 0.1) * count

if score > max_score:

max_score = score

dominant_color = (r, g, b)

return dominant_color

end.

个人总结：

载入一张lena以后，

print(get_dominant_color(Image.open('lena.jpg')))

(171, 65, 79)

看过这种颜色以后，觉得基本符合预期，程序可以采用。

为了用在树叶识别上，先做一个简单的实验：

在上述代码中，添加一行：

if ((r>200)&(g>200)&(b>200)):

continue

也就是说把白色，或者接近白色的部分去除，再提取颜色，这才是我预期的结果，实验结果为：

提取出的颜色是

符合预期，还可以再提高，以后再尝试：先提取树叶的区域，再算主要颜色