python - 如何使用 OpenCV 在 Python 中查找图像的平均颜色？

Question

我试过这段代码:

import cv2
image = cv2.imread("sample.jpg")
pixel = image[200, 550]
print pixel

但是我得到的错误是:

'Nonetype' no attributes error getitem

执行第三行代码后显示此错误。

Answer 1

如何修复错误

发生此错误有两个可能的原因:

1. 文件名拼写错误。
2. 图像文件不在当前工作目录中。

要解决此问题，您应该确保文件名拼写正确(进行区分大小写的检查以防万一)并且图像文件位于当前工作目录中(这里有两个选项:您可以更改当前工作目录在您的 IDE 中或指定文件的完整路径)。

平均颜色与主色

然后要计算“平均颜色”，您必须确定您的意思。在灰度图像中，它只是图像中灰度级的平均值。颜色通常通过 3 维向量表示，而灰度级是标量。

平均颜色是所有像素的总和除以像素数。然而，这种方法可能会产生与最突出的视觉颜色不同的颜色。您可能真正想要的是主色而不是平均色。

实现

让我们慢慢浏览代码。我们首先导入必要的模块并读取图像:

import cv2
import numpy as np
from skimage import io

img = io.imread('/image/DNM65.png')[:, :, :-1]

然后我们可以按照类似于@Ruan B 提出的方法计算每个色度 channel 的平均值:

average = img.mean(axis=0).mean(axis=0)

接下来我们申请k-means clustering使用图像中最具代表性的颜色创建一个调色板(在这个玩具示例中，n_colors 设置为 5)。

pixels = np.float32(img.reshape(-1, 3))

n_colors = 5
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 200, .1)
flags = cv2.KMEANS_RANDOM_CENTERS

_, labels, palette = cv2.kmeans(pixels, n_colors, None, criteria, 10, flags)
_, counts = np.unique(labels, return_counts=True)

最后，主色是在量化图像上出现最频繁的调色板颜色:

dominant = palette[np.argmax(counts)]

结果比较

为了说明这两种方法之间的差异，我使用了以下示例图像:

平均颜色的获得值，即其分量是三个色度 channel 的均值的颜色，和通过 k 均值聚类计算的主色是相当不同的:

In [30]: average
Out[30]: array([91.63179156, 69.30190754, 58.11971896])

In [31]: dominant
Out[31]: array([179.3999  ,  27.341282,   2.294441], dtype=float32)

让我们看看这些颜色看起来如何，以便更好地理解这两种方法之间的差异。下图左侧显示的是平均颜色。很明显，计算出的平均颜色并不能正确描述原始图像的颜色内容。事实上，原始图像中没有一个像素具有该颜色。该图的右侧部分显示了按重要性(出现频率)从上到下排序的五个最具代表性的颜色。该调色板明显表明主色是红色，这与原始图像中最大的均匀颜色区域对应于红色乐高积木这一事实是一致的。

这是用于生成上图的代码:

import matplotlib.pyplot as plt

avg_patch = np.ones(shape=img.shape, dtype=np.uint8)*np.uint8(average)

indices = np.argsort(counts)[::-1]   
freqs = np.cumsum(np.hstack([[0], counts[indices]/float(counts.sum())]))
rows = np.int_(img.shape[0]*freqs)

dom_patch = np.zeros(shape=img.shape, dtype=np.uint8)
for i in range(len(rows) - 1):
    dom_patch[rows[i]:rows[i + 1], :, :] += np.uint8(palette[indices[i]])
    
fig, (ax0, ax1) = plt.subplots(1, 2, figsize=(12,6))
ax0.imshow(avg_patch)
ax0.set_title('Average color')
ax0.axis('off')
ax1.imshow(dom_patch)
ax1.set_title('Dominant colors')
ax1.axis('off')
plt.show(fig)

TL;DR 回答

总而言之，尽管@Ruan B. 的回答中提出的平均颜色计算是正确的，但生成的结果可能无法充分代表图像的颜色内容。一种更明智的方法是通过矢量量化(聚类)确定主色。