更新：優化了程式碼，理由numpy的ufunc函式功能替換了之前的雙重for迴圈，測試圖片大小為692*1024*3，優化前執行時間為6.9s，優化後為0.8s。

由於工作需要，需要計算顏色直方圖來提取顏色特徵，但若不將顏色空間進行量化，則直方圖向量維數過高，不便於使用。但是看了opencv API後並未發現提供了相關函式能夠在計算顏色直方圖的同時進行量化，因此這部分功能只能自己實現。下面分為兩個部分進行介紹：

一、顏色空間量化表

由於RGB模型不夠直觀，不符合人類視覺習慣，因此在進行顏色特徵提取前，需要將照片從RGB顏色模型轉換為更符合人類視覺的HSV模型。在提取顏色特徵時，最常用的方法之一為顏色直方圖法，但一張圖片中出現的顏色一般特別多，導致直方圖向量的維數較高，因此需要對HSV空間進行量化。根據人眼對顏色的感知特性，採用較為常用的量化方法，即按照如下對應關係進行量化：

二、量化程式碼

程式碼使用純python寫成，效率偏低，處理388*500畫素的照片用時1.45秒。在quantilize函式中，未使用if-else判斷語句，因此至少節省了1/3的時間。但這個速度顯然是無法令人滿意的，用C++效率應該會更高點。如果有人有更好的想法，歡迎在下方評論交流。

#-*-coding:utf-8-*-
import cv2
import numpy as np
from datetime import datetime
from matplotlib import pyplot as
 
 plt

def colors(imagepath):
    img = cv2.imread(imagepath)
    hsv = cv2.cvtColor(img, cv2.COLOR_RGB2HSV)
    nhsv = np.zeros(hsv.shape[:2], dtype=np.uint8)
    t2 = datetime.now()
    for i in range(hsv.shape[0]):
        for j in range(hsv.shape[1]):
            nhsv[i][j] = quantilize(hsv[i][j])
    print
 
 datetime.now() - t2
    hist = cv2.calcHist([nhsv], [0], None, [72], [0,71]) # 40x faster than np.histogramfaster than np.histogram
    plt.plot(hist,color = 'r')
    plt.xlim([0, 72])
    plt.show()

def quantilize(value):
    '''hsv直方圖量化
    value : [21, 144, 23] h, s, v
    opencv中，h-[0,180], s-[0,255], v-[0,255]
    '''
    # 
    value[0] = value[0] * 2
    hlist = [20, 40, 75, 155, 190, 270, 290, 316, 360]
    svlist = [21, 178, 255]
    for i in range(len(hlist)):
        if value[0] <= hlist[i]:
            h = i % 8
            break
    for i in range(len(svlist)):
        if value[1] <= svlist[i]:
            s = i
            break
    for i in range(len(svlist)):
        if value[2] <= svlist[i]:
            v = i
            break
    return 9 * h + 3 * s + v

以上，歡迎批評交流～
如果覺得不錯，歡迎點贊～

三、更新

#-*-coding:utf-8-*-
import cv2
import numpy as np
from datetime import datetime
from matplotlib import pyplot as plt

hlist = [20, 40, 75, 155, 190, 270, 290, 316, 360]
svlist = [21, 178, 255]

def quantilize(h, s, v):
    '''hsv直方圖量化'''
    # value : [21, 144, 23] h, s, v
    h = h * 2
    for i in range(len(hlist)):
        if h <= hlist[i]:
            h = i % 8
            break
    for i in range(len(svlist)):
        if s <= svlist[i]:
            s = i
            break
    for i in range(len(svlist)):
        if v <= svlist[i]:
            v = i
            break
    return 9 * h + 3 * s + v

quantilize_ufunc = np.frompyfunc(quantilize, 3, 1) # 自定義ufunc函式，即將quantilize函式轉化為ufunc函式，其輸入引數為３個，輸出引數為１個。

def colors(img):
    hsv = cv2.cvtColor(img, cv2.COLOR_RGB2HSV)
    nhsv = quantilize_ufunc(hsv[:,:,0], hsv[:,:,1], hsv[:,:,2]).astype(np.uint8) # 由於frompyfunc函式返回結果為物件，所以需要轉換型別
    hist = cv2.calcHist([nhsv], [0], None, [72], [0,71]) # 40x faster than np.histogram
    hist = hist.reshape(1, hist.shape[0]).astype(np.int32).tolist()[0]
    return hist

if __name__ == '__main__':
    img_path = path + 'test.jpg'
    img = cv2.imread(img_path)
    colors(img)

結果

[0, 11, 31490, 100, 3, 32685, 0, 28, 313, 0, 0, 3268, 31, 0, 558364, 6, 1, 441, 0, 0, 2301, 92, 0, 34056, 0, 1, 396, 0, 0, 2682, 84, 5, 712, 0, 137, 55, 0, 0, 1215, 20, 2, 224, 0, 3, 0, 0, 0, 13838, 56, 0, 23474, 63, 23, 1, 0, 0, 4764, 0, 0, 2335, 0, 25, 27, 0, 0, 2302, 5, 0, 1676, 1, 59, 389]