我在Jupyter笔记本上工作。首先下载您的图像：!wget https://i.stack.imgur.com/SJxo3.png

然后从您的pic创建一个RGBA数组：

^{pr2}$

我们希望在您的图片上有一组不同的颜色，因此我们创建了一组：colors=set()

for each in arr:

for EACH in each:

colors.add(tuple(EACH.tolist()))

我们要循环这些颜色并选择每种颜色出现的区域。我们从以下几点开始：for index, each in enumerate(colors):

现在每个颜色都是一个元组，在这个for循环中，当前是一个元组，我们需要一个列表，因此：color=[]

for EACH in each:

color.append(EACH)

我们现在创建一个包含布尔值的数组，如果相应的RGBA组件与我们当前检查的颜色相同，则为True：boolarr=[]

for eachinarr2 in [arr == color]:

boolarr.append(eachinarr2)

然后我们选择与我们当前检查的颜色相同的像素，即RGBA的四个分量都匹配(因此我们有相同的颜色)。我们将这些像素cordinate存储在indexx和INDEXX中。在featurepixels=[]

for indexx, eachh in enumerate(boolarr[0]):

for INDEXX, EACHH in enumerate(eachh):

if EACHH.all() == True:

featurepixels.append([indexx, INDEXX])

现在我们创建一个由零组成的网格：grid = np.zeros((len(arr[0]),len(arr)))

我们将这个充满零的网格的值更改为1，在我们检查的特定颜色中有一个像素：for eachhh in featurepixels:

grid[eachhh[1],eachhh[0]] = 1

然后，我们创建具有相同颜色的像素的颜色映射，有效地选择图片的该部分：plt.figure()

plt.pcolormesh(grid)

把这些放在一起：!wget https://i.stack.imgur.com/SJxo3.png

import numpy as np

from PIL import Image

import matplotlib.pyplot as plt

img = Image.open('SJxo3.png').convert('RGBA')

arr = np.array(img)

colors=set()

for eachH in arr:

for eACH in eachH:

colors.add(tuple(eACH.tolist()))

for index, each in enumerate(colors):

if index < 30: # for debugging

color=[]

for EACH in each:

color.append(EACH)

boolarr=[]

for eachinarr2 in [arr == color]:

boolarr.append(eachinarr2)

featurepixels=[]

for indexx, eachh in enumerate(boolarr[0]):

for INDEXX, EACHH in enumerate(eachh):

if EACHH.all() == True:

featurepixels.append([indexx, INDEXX])

grid = np.zeros((len(arr[0]),len(arr)))

for eachhh in featurepixels:

grid[eachhh[1],eachhh[0]] = 1

plt.figure()

plt.pcolormesh(grid)

从这里你可以创建不同的颜色组，这样更多的像素将被归类为同一个特征。在当前的版本中，像素颜色的一个微小差异导致它被归类为一个单独的特征。所以我建议创建那些颜色组/类别。或者使用颜色较少的图像，而单个特征只包含相同的颜色。希望这有帮助。在