Question

我想测量平均像素强度和测量图像的色彩。对于这个我遵循这种方法（请告诉我是否有相同的替代方法）：

a）计算平均像素强度：

im = Image.open('images-16.jpeg')
stat = ImageStat.Stat(im)
r,g,b = stat.mean
mean = sqrt(0.241* (r ** 2) + 0.691* (g ** 2) + 0.068* (b ** 2))
print(mean)

b）测量色彩：

将颜色空间划分为64个立方块，每个维度有四个相等的分区

w,h=im.size    
bw,bh = 8, 8 #block size
img = np.array(im)
sz = img.itemsize
shape = (h-bh+1, w-bw+1, bh, bw)
strides = (w*sz, sz, w*sz, sz) 
blocks = np.lib.stride_tricks.as_strided(img, shape=shape, strides=strides)
print (blocks[1,1])

计算每个立方体的几何中心C i 之间的欧氏距离 i Not able to compute (say d(a,b)=rgb(Ca)-rgb(Cb))
生成分布D1 作为假设图像的颜色分布，使得对于64个采样点中的每一个，频率为1/64 -

pixels = im.load() all_pixels = [] for x in range(218): #put your block width size for y in range(218): #your block heigh size cpixel = pixels[x, y] all_pixels.append(cpixel)
分布D2 是通过查找64个多维数据集How can i do this?
计算Earth Mover's Distance: (D1,D2,d(a,b)) - d（a，b）计算在上面

这是正确的方法吗？任何支持文件来实现这一目标？任何有关代码的帮助表示赞赏。感谢。

Answer 1

您将需要pyemd库。

from pyemd import emd
import numpy as np
from PIL import Image
import skimage.color

im = Image.open("t4.jpg")
pix = im.load()

h1 = [1.0/64] * 64
h2 = [0.0] * 64
hist1 = np.array(h1)

w,h = im.size

for x in xrange(w):
    for y in xrange(h):
        cbin = pix[x,y][0]/64*16 + pix[x,y][1]/64*4 + pix[x,y][2]/64
        h2[cbin]+=1
hist2 = np.array(h2)/w/h

# compute center of cubes

c = np.zeros((64,3))
for i in xrange(64):
    b = (i%4) * 64 + 32
    g = (i%16/4) * 64 + 32
    r = (i/16) * 64 + 32
    c[i]=(r,g,b)

c_luv = skimage.color.rgb2luv(c.reshape(8,8,3)).reshape(64,3)

d = np.zeros((64,64))

for x in xrange(64):
    d[x,x]=0
    for y in xrange(x):
        dist = np.sqrt( np.square(c_luv[x,0]-c_luv[y,0]) + 
                   np.square(c_luv[x,1]-c_luv[y,1]) + 
                   np.square(c_luv[x,2]-c_luv[y,2]))
        d[x,y] = dist
        d[y,x] = dist


colorfullness = emd(hist1, hist2, d)

print colorfullness

Python中图像像素强度与色彩度量

1 个答案: