淺談Python3識別判斷圖片主要顏色並和顏色庫進行對比的方法
阿新 • • 發佈:2020-01-09
【更新】主要提供兩種方案:
方案一:(參考網上程式碼,感覺實用性不是很強)使用PIL擷取影象,然後將RGB轉為HSV進行判斷,統計判斷顏色,最後輸出RGB值
方案二:使用opencv庫函式進行處理。(效果不錯)
1、將圖片顏色轉為hsv,
2、使用cv2.inRange()函式進行背景顏色過濾
3、將過濾後的顏色進行二值化處理
4、進行形態學腐蝕膨脹,cv2.dilate()
5、統計白色區域面積
詳解:方案一:
轉載出處:www.jb51.net/article/62526.htm
專案實際需要,對識別出來的車車需要標記顏色,因此採用方案如下:
1、通過import PIL.ImageGrab as ImageGrab 將識別出來的汽車矩形框裁剪出來
img_color=image.crop((left,right,top,bottom))
2、將裁剪出來的image進行顏色影象識別
RGB和hsv中間的轉換關係,網上很多,我也沒有具體去研究如何轉換的,能用就行
附上測試,封裝成函式方法:
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]): # 轉為HSV標準 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,b) return dominant_color if __name__ == '__main__': image = Image.open('test.jpg') image = image.convert('RGB') print(get_dominant_color(image))
測試圖
結果
在這個網上查詢RGB數值對應的顏色
http://tools.jb51.net/static/colorpicker/index.html
方案二:opencv計算機視覺庫函式處理
1、定義HSV顏色字典,參考網上HSV顏色分類
程式碼如下:
import numpy as np import collections #定義字典存放顏色分量上下限 #例如:{顏色: [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]) upper_black = np.array([180,46]) color_list = [] color_list.append(lower_black) color_list.append(upper_black) dict['black'] = color_list # #灰色 # lower_gray = np.array([0,46]) # upper_gray = np.array([180,220]) # color_list = [] # color_list.append(lower_gray) # color_list.append(upper_gray) # dict['gray']=color_list # 白色 lower_white = np.array([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 #紅色 lower_red = np.array([156,46]) upper_red = np.array([180,255]) color_list = [] color_list.append(lower_red) color_list.append(upper_red) dict['red']=color_list # 紅色2 lower_red = np.array([0,46]) upper_red = np.array([10,255]) color_list = [] color_list.append(lower_red) color_list.append(upper_red) dict['red2'] = color_list #橙色 lower_orange = np.array([11,46]) upper_orange = np.array([25,255]) color_list = [] color_list.append(lower_orange) color_list.append(upper_orange) dict['orange'] = color_list #黃色 lower_yellow = np.array([26,46]) upper_yellow = np.array([34,255]) color_list = [] color_list.append(lower_yellow) color_list.append(upper_yellow) dict['yellow'] = color_list #綠色 lower_green = np.array([35,46]) upper_green = np.array([77,255]) color_list = [] color_list.append(lower_green) color_list.append(upper_green) dict['green'] = color_list #青色 lower_cyan = np.array([78,46]) upper_cyan = np.array([99,255]) color_list = [] color_list.append(lower_cyan) color_list.append(upper_cyan) dict['cyan'] = color_list #藍色 lower_blue = np.array([100,46]) upper_blue = np.array([124,255]) color_list = [] color_list.append(lower_blue) color_list.append(upper_blue) dict['blue'] = color_list # 紫色 lower_purple = np.array([125,46]) upper_purple = np.array([155,255]) 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、顏色識別
import cv2 import numpy as np import colorList filename='car04.jpg' #處理圖片 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,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、結果
原始影象(網上找的測試圖):
1)、使用cv2.inRange()函式過濾背景後圖片如下:
2)、可見使用白色分量過濾背景後,出現車輛的輪廓,因此,能夠計算白色區域的面積,最大的則為該物體顏色
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支援我們。