Question

我正在尝试制作一种白色到黄色鳞片的色度计。

我会尝试更好地解释，但由于我是Python和图像处理的新手，如果我说错了，请纠正我。

我正在使用HSV颜色空间，因为我读到它可以更好地表示三个组件（色调，饱和度和值）中的颜色特征。假设我有一些白色阴影的图像，程序应该能够根据像素的色调，饱和度和图像的值来计算一个值，因为如果我提供的图像略带白色到黄色，它应该给出类似的值。

以下是image of sugar crystals的示例。当忽略紫色背景时，糖有白色和黄色的色调。

我的第一次尝试是计算几乎全白图像的直方图并将其用作参考，然后计算另一个图像的直方图并比较它们以检查它们是否相似。它的颜色越黄，应该越不相似，记住单个图像可以同时具有白色和黄色像素，甚至可以在色调直方图中具有一系列不同的黄色色调）：

import numpy as np
import cv2
from matplotlib import pyplot as plt

image = cv2.imread("C:\...\im1.png")
image2 = cv2.imread("C:\...\im2.png")

hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
hsv_image2 = cv2.cvtColor(image2, cv2.COLOR_BGR2HSV)

hue_hist = cv2.calcHist([hsv_image], [0], None, [180], [0, 180])
sat_hist = cv2.calcHist([hsv_image], [1], None, [256], [0, 256])
val_hist = cv2.calcHist([hsv_image], [2], None, [256], [0, 256])

hue_hist2 = cv2.calcHist([hsv_image2], [0], None, [180], [0, 180])
sat_hist2 = cv2.calcHist([hsv_image2], [1], None, [256], [0, 256])
val_hist2 = cv2.calcHist([hsv_image2], [2], None, [256], [0, 256])

dh = cv2.compareHist(hue_hist, hue_hist2, cv2.cv.CV_COMP_CORREL)
ds = cv2.compareHist(sat_hist, sat_hist2, cv2.cv.CV_COMP_CORREL)
dv = cv2.compareHist(val_hist, val_hist2, cv2.cv.CV_COMP_CORREL)

之后，我会得到这三个分开的值，表示直方图在色调，饱和度和值上的相似性，然后我可以尝试一些数学建模，以便为dh，ds，dv的每个组合获得一些y得分值。

问题在于，如果比较黄色像素图像的色调直方图，相关性比较将表明它们完全不同，即使它们可以被解释为相似，因为白色到黄色的色调略有变化。我需要的东西不仅仅依赖于直方图上像素的频率，还需要接近色调值。

我认为另一个解决方案是计算直方图的加权平均值，所以也许我可以得到更接近的值对于类似的分布甚至如果将图像与具有30色调的像素峰值和具有峰值的另一个图像进行比较具有25色调的像素（它们彼此之间不会完全相同）。我还没试过这个。

你知道是否有更好的方法来达到这个目标，或者至少我是否正确地采用这种方式？

Answer 1

要获得图像的“黄色”，首先选择Hue。然后将其划分为扇区，切割为180-300-60（C-M-Y）。 60到180之间的任何东西都是黄色和青色的线性组合; 60到300之间的任何东西都是黄色和洋红色的线性组合。 160到300之间的任何值都将为黄色值0.将线性组合转换为0-100％黄色。调用此值y。

要获得白色“白度”，请使用饱和度。 S = 0是100％白色，S = 30是70％白色。调用此值w。

然后你可以做类似

的事情

yellowness = y / (y + w)
whiteness = w / (y + w)

Answer 2

我不会使用HSV空间，因为白色的Hue未确定（因为噪音，你可以得到任何值）。

我首先会观察RGB空间中像素的扩散。（但您没有提供任何样本图像。）

从图像到直方图测量颜色

2 个答案: