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: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 Image def get_dominant_color(image): max_score = 0.0001 dominant_color = None for 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: continue score = (saturation+0.1)*count if score > max_score: max_score = score dominant_color = (r,g,b) return dominant_color if __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://tools.jb51.net/static/colorpicker/index.html
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2 lower_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_list return dict if __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 colorList filename='car04.jpg' #处理图片 def get_color(frame): print('go in get_color') hsv = cv2.cvtColor(frame,cv2.COLOR_BGR2HSV) maxsum = -100 color = None color_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 = 0 for c in cnts: sum+=cv2.contourArea(c) if sum > maxsum : maxsum = sum color = d return color if __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
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。
相关文章
vscode搭建python Django网站开发环境的示例
本文主要介绍了vscode搭建python Django网站开发环境的示例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧2023-02-02python数据分析之聚类分析(cluster analysis)
聚类分析本身不是一个特定的算法,而是要解决的一般任务。它可以通过各种算法来实现,这些算法在理解群集的构成以及如何有效地找到它们方面存在显着差异。这篇文章主要介绍了python数据分析之聚类分析(cluster analysis),需要的朋友可以参考下2021-11-11
最新评论