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

Python  /  管理员 发布于 7年前   340

【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：/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 colorsysimport 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..net.cn/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 npimport 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 cv2import numpy as npimport 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。