Question

这是figure，我想从中计算每种颜色的对象数量。在不使用opencv的情况下，这样做的简单方法是什么？

[编辑2]： 我尝试过的方法如下：（1）彩色物体计数

from PIL import Image
im = Image.open('./colored-polka-dots.png').getcolors()
im.sort(key=lambda k: (k[0]), reverse=True)
print('Top 5 colors: {}'.format((im[:5])))

# View non-background colors
color_values = []
for color in im[1:5]:
    color_values.append(color[1])
    arr = np.asarray(color[1]).reshape(1,1,4).astype(np.uint8)
    plt.imshow(arr)
    plt.show() # get top 4 frequent colors as green,blue,pink,ornage

# Create a dict of color names and their corressponding rgba values
color_dict = {}
for color_name,color_val in zip(['green','blue','pink','orange'],color_values):
    color_dict[color_name] = color_val

# Make use of ndimage.measurement.labels from scipy 
# to get the number of distinct connected features that satisfy a given threshold
for color_name,color_val in color_dict.items():
    b = ((img[:,:,0] ==color_val[0]) * (img[:,:,1] ==color_val[1]) * (img[:,:,2] ==color_val[2]))*1
    labeled_array, num_features = scipy.ndimage.measurements.label(b.astype('Int8'))
    print('Color:{} Count:{}'.format(color_name,num_features))

＆GT; 输出：

orange: 288

green: 288

pink: 288

blue: 288

虽然这达到了目的，但我想知道是否有更有效和更优雅的方法来解决这个问题。

Answer 1

这是一个基于scikit-image的简单解决方案：

<强>代码：

import numpy as np
from skimage import io, morphology, measure
from sklearn.cluster import KMeans

img = io.imread('https://i.stack.imgur.com/du0XZ.png')

rows, cols, bands = img.shape
X = img.reshape(rows*cols, bands)

kmeans = KMeans(n_clusters=5, random_state=0).fit(X)
labels = kmeans.labels_.reshape(rows, cols)

for i in np.unique(labels):
    blobs = np.int_(morphology.binary_opening(labels == i))
    color = np.around(kmeans.cluster_centers_[i])
    count = len(np.unique(measure.label(blobs))) - 1
    print('Color: {}  >>  Objects: {}'.format(color, count))

<强>输出：

Color: [ 254.  253.  253.  255.]  >>  Objects: 1
Color: [ 255.  144.   36.  255.]  >>  Objects: 288
Color: [  39.  215.  239.  255.]  >>  Objects: 288
Color: [ 255.   38.  135.  255.]  >>  Objects: 288
Color: [ 192.  231.   80.  255.]  >>  Objects: 288

<强>说明：

我通过KMeans聚集了颜色，使程序对像素颜色的微小变化具有鲁棒性。
集群中心的RGB坐标已经四舍五入到around，仅用于可视化目的。
我还通过binary_opening执行了一次开场操作，以摆脱孤立的像素。
有必要从label产生的标签数量中减去1，以仅考虑那些具有所考虑颜色标签的连接区域。
输出的第一行显然对应于白色背景。

在Python中计算图像中不同颜色的对象数

1 个答案: