Python3识别判断图片主要颜色并和颜色库进行对比的方法

【更新】主要提供两种方案：

方案一：（参考网上代码，感觉实用性不是很强）使用PIL截取图像，然后将RGB转为HSV进行判断，统计判断颜色，最后输出RGB值

方案二：使用opencv库函数进行处理。（效果不错）

1、将图片颜色转为hsv，
2、使用cv2.inRange()函数进行背景颜色过滤
3、将过滤后的颜色进行二值化处理
4、进行形态学腐蚀膨胀，cv2.dilate()
5、统计白色区域面积

详解：方案一：

转载出处：http://www.jb51.net/article/62526.htm

项目实际需要，对识别出来的车车需要标记颜色，因此采用方案如下：

1、通过import PIL.ImageGrab as ImageGrab 将识别出来的汽车矩形框裁剪出来

  img_color=image.crop((left,right,top,bottom))

2、将裁剪出来的image进行颜色图像识别

RGB和hsv中间的转换关系，网上很多，我也没有具体去研究如何转换的，能用就行

附上测试，封装成函数方法：

import colorsys
import PIL.Image as Imagedef get_dominant_color(image):max_score = 0.0001dominant_color = Nonefor count,(r,g,b) in image.getcolors(image.size[0]*image.size[1]):# 转为HSV标准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:continuescore = (saturation+0.1)*countif score > max_score:max_score = scoredominant_color = (r,g,b)return dominant_colorif __name__ == '__main__':image = Image.open('test.jpg')image = image.convert('RGB')print(get_dominant_color(image))

测试图

结果

在这个网上查询RGB数值对应的颜色

http://www.sioe.cn/yingyong/yanse-rgb-16/

方案二：opencv计算机视觉库函数处理

1、定义HSV颜色字典，参考网上HSV颜色分类

代码如下：

import numpy as np
import collections#定义字典存放颜色分量上下限
#例如：{颜色: [min分量, max分量]}
#{'red': [array([160,  43,  46]), array([179, 255, 255])]}def getColorList():dict = collections.defaultdict(list)# 黑色lower_black = np.array([0, 0, 0])upper_black = np.array([180, 255, 46])color_list = []color_list.append(lower_black)color_list.append(upper_black)dict['black'] = color_list# #灰色# lower_gray = np.array([0, 0, 46])# upper_gray = np.array([180, 43, 220])# color_list = []# color_list.append(lower_gray)# color_list.append(upper_gray)# dict['gray']=color_list# 白色lower_white = np.array([0, 0, 221])upper_white = np.array([180, 30, 255])color_list = []color_list.append(lower_white)color_list.append(upper_white)dict['white'] = color_list#红色lower_red = np.array([156, 43, 46])upper_red = np.array([180, 255, 255])color_list = []color_list.append(lower_red)color_list.append(upper_red)dict['red']=color_list# 红色2lower_red = np.array([0, 43, 46])upper_red = np.array([10, 255, 255])color_list = []color_list.append(lower_red)color_list.append(upper_red)dict['red2'] = color_list#橙色lower_orange = np.array([11, 43, 46])upper_orange = np.array([25, 255, 255])color_list = []color_list.append(lower_orange)color_list.append(upper_orange)dict['orange'] = color_list#黄色lower_yellow = np.array([26, 43, 46])upper_yellow = np.array([34, 255, 255])color_list = []color_list.append(lower_yellow)color_list.append(upper_yellow)dict['yellow'] = color_list#绿色lower_green = np.array([35, 43, 46])upper_green = np.array([77, 255, 255])color_list = []color_list.append(lower_green)color_list.append(upper_green)dict['green'] = color_list#青色lower_cyan = np.array([78, 43, 46])upper_cyan = np.array([99, 255, 255])color_list = []color_list.append(lower_cyan)color_list.append(upper_cyan)dict['cyan'] = color_list#蓝色lower_blue = np.array([100, 43, 46])upper_blue = np.array([124, 255, 255])color_list = []color_list.append(lower_blue)color_list.append(upper_blue)dict['blue'] = color_list# 紫色lower_purple = np.array([125, 43, 46])upper_purple = np.array([155, 255, 255])color_list = []color_list.append(lower_purple)color_list.append(upper_purple)dict['purple'] = color_listreturn dictif __name__ == '__main__':color_dict = getColorList()print(color_dict)num = len(color_dict)print('num=',num)for d in color_dict:print('key=',d)print('value=',color_dict[d][1])

2、颜色识别

import  cv2
import numpy as np
import colorListfilename='car04.jpg'#处理图片
def get_color(frame):print('go in get_color')hsv = cv2.cvtColor(frame,cv2.COLOR_BGR2HSV)maxsum = -100color = Nonecolor_dict = colorList.getColorList()for d in color_dict:mask = cv2.inRange(hsv,color_dict[d][0],color_dict[d][1])cv2.imwrite(d+'.jpg',mask)binary = cv2.threshold(mask, 127, 255, cv2.THRESH_BINARY)[1]binary = cv2.dilate(binary,None,iterations=2)img, cnts, hiera = cv2.findContours(binary.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)sum = 0for c in cnts:sum+=cv2.contourArea(c)if sum > maxsum :maxsum = sumcolor = dreturn colorif __name__ == '__main__':frame = cv2.imread(filename)print(get_color(frame))

3、结果

原始图像（网上找的测试图）：

1）、使用cv2.inRange()函数过滤背景后图片如下：

2）、可见使用白色分量过滤背景后，出现车辆的轮廓，因此，能够计算白色区域的面积，最大的则为该物体颜色

Python3识别判断图片主要颜色并和颜色库进行对比的方法相关推荐

python颜色识别_浅谈Python3识别判断图片主要颜色并和颜色库进行对比的方法
[更新]主要提供两种方案: 方案一:(参考网上代码,感觉实用性不是很强)使用PIL截取图像,然后将RGB转为HSV进行判断,统计判断颜色,最后输出RGB值方案二:使用opencv库函数进行处理.(效 ...
C# 判断图片是CMYK模式还是RGB模式最简单的方法
C#判断图片是CMYK模式还是RGB模式最简单的方法: Image img = Bitmap.FromFile("图片路径", true); PixelFormat pf = (P ...
python查看图片颜色统计_Python通过PIL获取图片主要颜色并和颜色库进行对比的方法...
本文实例讲述了Python通过PIL获取图片主要颜色并和颜色库进行对比的方法.分享给大家供大家参考.具体分析如下: 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 ...
java判断图片相同_java 识别图片相似度及图片是否相同
1.比较MD5值判断图片是否相同 package com.zerdoor.util; import java.io.File; import java.io.FileInputStream; imp ...
Python3识别图片文字
Python3识别图片文字一.Pillow, pytesseract库的安装(Python 3.5) PIL全称:Python Imaging Library,python图像处理库,这个库支持多种 ...
python3识别图中的文字_Python3.x：如何识别图片上的文字
Python3.x:如何识别图片上的文字安装pytesseract库,必须先安装其依赖的PIL及tesseract-ocr,其中PIL为图像处理库,而后面的tesseract-ocr则为google ...
matlab判断图片颜色计算像素值
使用matlab对图像进行主体颜色判断欢迎您的到来! 今天学习了利用matlab对一张图片的颜色主体进行判断并输出颜色程序要求从文件读取图片调用函数裁剪出要判断的图片中小灯的颜色具体步骤一 ...
php 识别图片主色调,PHP 判断图片主色调的简单示例
这篇文章主要为大家详细介绍了PHP 判断图片主色调的简单示例,具有一定的参考价值,可以用来参考一下. 这段代码可以帮助你判断任意图片的主色调,使用了简单的统计算法实现 ,感兴趣的小伙伴,下面一起跟随5 ...
利用python进行识别相似图片(二)
前言和网上各种首先你要有一个女朋友的系列一样,想进行人脸判断,首先要有脸, 只要能靠确定人脸的位置,那么进行两张人脸是否相似的操作便迎刃而解了. 所以本篇文章着重讲述如何利用openCV定位人脸. ...

Python3识别判断图片主要颜色并和颜色库进行对比的方法

Python3识别判断图片主要颜色并和颜色库进行对比的方法相关推荐

最新文章

热门文章