Question

我在这里找到了这个代码，但它只是计算黑色和红色，这只适用于黑色和红色图像。

from PIL import Image
im = Image.open('oh.png')

black = 0
red = 0

for pixel in im.getdata():
    if pixel == (0, 0, 0, 255): # if your image is RGB (if RGBA, (0, 0, 0, 255) or so
        black += 1
    else:
        red += 1
print('black=' + str(black)+', red='+str(red))

我如何能够检查不同的颜色而不是如此精确，例如黑色可以是（0,0,0）到（40,40,40）。

这可能太多了，请让我知道。谢谢:)）

Answer 1

这是一种使用KDTree进行有效最近颜色查找的方法。请注意，虽然KDTrees可能非常先进，但使用它们实际上非常简单。

import numpy as np
from matplotlib import colors
from scipy.spatial import cKDTree as KDTree
from scipy.misc import face

REDUCED_COLOR_SPACE = True

# borrow a list of named colors from matplotlib
if REDUCED_COLOR_SPACE:
    use_colors = {k: colors.cnames[k] for k in ['red', 'green', 'blue', 'black', 'yellow', 'purple']}
else:
    use_colors = colors.cnames

# translate hexstring to RGB tuple
named_colors = {k: tuple(map(int, (v[1:3], v[3:5], v[5:7]), 3*(16,)))
                for k, v in use_colors.items()}
ncol = len(named_colors)

if REDUCED_COLOR_SPACE:
    ncol -= 1
    no_match = named_colors.pop('purple')
else:
    no_match = named_colors['purple']

# make an array containing the RGB values 
color_tuples = list(named_colors.values())
color_tuples.append(no_match)
color_tuples = np.array(color_tuples)

color_names = list(named_colors)
color_names.append('no match')

# get example picture
img = face()

# build tree
tree = KDTree(color_tuples[:-1])
# tolerance for color match `inf` means use best match no matter how
# bad it may be
tolerance = np.inf
# find closest color in tree for each pixel in picture
dist, idx = tree.query(img, distance_upper_bound=tolerance)
# count and reattach names
counts = dict(zip(color_names, np.bincount(idx.ravel(), None, ncol+1)))

print(counts)

import pylab

pylab.imshow(img)
pylab.savefig('orig.png')
pylab.clf()
pylab.imshow(color_tuples[idx])
pylab.savefig('minimal.png' if REDUCED_COLOR_SPACE else 'reduced.png')

使用完整的matplotlib命名颜色空间输出：

{＆＃39; aliceblue＆＃39;：315，＆＃39; antiquewhite＆＃39;：0，＆＃39; aqua＆＃39;：0，＆＃39;海蓝宝石＆＃39;：0，＆＃ 39; azure＆＃39;：0，＆＃39;米色＆＃39;：27，＆＃39; bisque＆＃39;：0，＆＃39; black＆＃39;：88584，＆＃39; blanchedalmond＆＃39; ：0，＆＃39;蓝＆＃39;：0，＆＃39; blueviolet＆＃39;：0，＆＃39;布朗＆＃39;：0，＆＃39; burlywood＆＃39;：76，＆＃39 ; cadetblue＆＃39;：0，＆＃39;黄绿色＆＃39;：0，＆＃39;巧克力＆＃39;：0，＆＃39;珊瑚＆＃39;：0，＆＃39; cornflowerblue＆＃39;： 0，＆＃39; cornsilk＆＃39;：0，＆＃39; crimson＆＃39;：0，＆＃39; cyan＆＃39;：0，＆＃39; darkblue＆＃39;：0，＆＃39; darkcyan＆＃39;：0，＆＃39; darkgoldenrod＆＃39;：0，＆＃39; darkgray＆＃39;：0，＆＃39; darkgreen＆＃39;：4148，＆＃39; darkgrey＆＃39;：71985 ，＆＃39; darkkhaki＆＃39;：32907，＆＃39; darkmagenta＆＃39;：0，＆＃39; darkolivegreen＆＃39;：90899，＆＃39; darkorange＆＃39;：0，＆＃39; darkorchid＆＃39;：0，＆＃39;黑暗＆＃39;：0，＆＃39; darksalmon＆＃39;：0，＆＃39; darkseagreen＆＃39;：30171，＆＃39; darkslateblue＆＃39;：134，＆＃39; darkslategray＆＃39;：108608，＆＃39; darkslategrey＆＃39;：0，＆＃39; darkturquoise＆＃39;：0，＆＃39; darkviolet＆＃39;：0，＆＃39; deeppink＆＃39;：0，＆＃39; deepskyblue＆＃39;：0，＆＃39; dimgray＆＃39;：0，＆＃39; dimgrey＆＃39;：108318，＆＃39; dodgerblue＆＃ 39;：0，＆＃39;耐火砖＆＃39;：0，＆＃39; floralwhite＆＃39;：0，＆＃39; forestgreen＆＃39;：1，＆＃39; fuchsia＆＃39;：0，＆＃39; gainboro＆＃39;：10438，＆＃39; ghostwhite＆＃39;：736，＆＃39; gold＆＃39;：0，＆＃39; goldenrod＆＃39;：0，＆＃39; grey＆＃39 ;：0，＆＃39;绿色＆＃39;：0，＆＃39; greenyellow＆＃39;：0，＆＃39; grey＆＃39;：79835，＆＃39; honeydew＆＃39;：0，＆＃ 39; hotpink＆＃39;：0，＆＃39; indianred＆＃39;：0，＆＃39; indigo＆＃39;：0，＆＃39;象牙＆＃39;：0，＆＃39; khaki＆＃39; ：1056，＆＃39;薰衣草＆＃39;：4650，＆＃39; lavenderblush＆＃39;：46，＆＃39; lawngreen＆＃39;：0，＆＃39; lemonchiffon＆＃39;：0，＆＃39 ;浅蓝色＆＃39;：3，＆＃39; lightcoral＆＃39;：0，＆＃39; lightcyan＆＃39;：0，＆＃39; lightgoldenrodyellow＆＃39;：0，＆＃39; lightgray＆＃39;： 11905，＆＃39; lightgreen＆＃39;：2323，＆＃39; lightgrey＆＃39;：0，＆＃39; lightpink＆＃39;：0，＆＃39; lightsalmon＆＃39;：0，＆＃39; lightseagreen＆＃39;：0，＆＃39; lightskyblue＆＃39;：0，＆＃39; lightslategray＆＃39;：0，＆＃39; lightslategrey＆＃39;：31920 ，＆＃39; lightsteelblue＆＃39;：3590，＆＃39; lightyellow＆＃39;：0，＆＃39; lime＆＃39;：0，＆＃39; limegreen＆＃39;：0，＆＃39;亚麻＆＃39;：46，＆＃39; magenta＆＃39;：0，＆＃39; maroon＆＃39;：0，＆＃39; mediumaquamarine＆＃39;：0，＆＃39; mediumblue＆＃39;：0，＆＃39; mediumorchid＆＃39;：0，＆＃39; mediumpurple＆＃39;：15，＆＃39; mediumseagreen＆＃39;：0，＆＃39; mediumslateblue＆＃39;：0，＆＃39; mediumspringgreen＆＃ 39;：0，＆＃39; mediumturquoise＆＃39;：0，＆＃39; mediumvioletred＆＃39;：0，＆＃39; midnightblue＆＃39;：54，＆＃39; mintcream＆＃39;：0，＆＃39; misyrose＆＃39;：19，＆＃39; moccasin＆＃39;：0，＆＃39; navajowhite＆＃39;：0，＆＃39;海军＆＃39;：0，＆＃39; oldlace＆＃39 ;：0，＆＃39;橄榄＆＃39;：0，＆＃39; olivedrab＆＃39;：30828，＆＃39;橙＆＃39;：0，＆＃39; orangered＆＃39;：0，＆＃ 39;兰花＆＃39;：0，＆＃39; palegoldenrod＆＃39;：1499，＆＃39; palegreen＆＃39;：285，＆＃39; paleturquoise＆＃39;：0，＆＃39; palevioletred＆＃39; ：0，＆＃39; papayawhip＆＃39;：0，＆＃39; peachpuff＆＃39;：0，＆＃39;秘鲁＆＃39;：21，＆＃39;粉红色＆＃39;：0，＆＃39 ;李子＆＃39;：0，＆＃39;粉蓝＆＃39;：0，＆＃39;紫＆＃39;：0，＆＃39; rebeccapurple＆＃39;： 0，＆＃39; red＆＃39;：0，＆＃39; rosybrown＆＃39;：2831，＆＃39; royalblue＆＃39;：0，＆＃39; saddlebrown＆＃39;：0，＆＃39;鲑鱼＆＃39;：0，＆＃39; sandybrown＆＃39;：0，＆＃39; seagreen＆＃39;：0，＆＃39;贝壳＆＃39;：0，＆＃39; sienna＆＃39;：5 ，＆＃39;银＆＃39;：35951，＆＃39; skyblue＆＃39;：0，＆＃39; slateblue＆＃39;：0，＆＃39; slategray＆＃39;：7836，＆＃39; slategrey＆＃39;：0，＆＃39; snow＆＃39 ;: 18，＆＃39; springgreen＆＃39;：0，＆＃39; steelblue＆＃39;：0，＆＃39; tan＆＃39;：3925，＆＃39; teal＆＃39;：0，＆＃39;蓟＆＃39;：10274，＆＃39;番茄＆＃39;：0，＆＃39;绿松石＆＃39;：0，＆＃39;紫＆＃ 39;：0，＆＃39;小麦＆＃39;：21，＆＃39;白色＆＃39;：3，＆＃39;白色＆＃39;：834，＆＃39;黄色＆＃39;：0，＆＃39; yellowgreen＆＃39;：9292，＆＃39; no match＆＃39;：0}

仅使用基本颜色输出：

{＆＃39; red＆＃39;：0，＆＃39; green＆＃39;：403561，＆＃39; blue＆＃39;：3262，＆＃39; black＆＃39;：153782，＆＃ 39;黄色＆＃39;：225827，＆＃39;不匹配＆＃39;：0}

原始图片：

减少颜色版本：

基本颜色版本：

Answer 2

如果它只做红色＆amp;黑色，你可以检查红色值是否小于或等于40.

if pixel[0] <= 40:

修改

colors = {} for pixel in im.getdata(): r = pixel[0] g = pixel[1] b = pixel[2] color = '' brightness = '' avg = (r + g + b) / 3 if avg < 40 then brightness = 'black' else if avg < 80 then brightness = 'dark' else if avg > 220 then brightness = 'white' else if avg > 150 then brightness = 'light' if avg / r > 0.9 then hue = 'red' else if avg / r > 0.8 and avg / g > 0.6 then hue = 'orange' else if avg / r > 0.7 and avg / g > 0.7 then hue = 'yellow' else if avg / g > 0.8 and avg / r > 0.6 then hue = 'lime' else if avg / g > 0.9 then hue = 'green' else if avg / g > 0.7 and avg / b > 0.7 then hue = 'cyan' else if avg / b > 0.9 then hue = 'blue' else if avg / b > 0.8 and avg / r > 0.6 then hue = 'indigo' else if avg / b > 0.7 and avg / r > 0.7 then hue = 'magenta' color = brightness + hue if color not in colors: colors[color] = 1 else colors[color] = colors[color] + 1

Answer 3

您必须定义颜色桶。我建议使用hsv色彩空间。

from PIL import Image
import colorsys
im = Image.open('download.png')

NUM_BUCKETS = 6 # Just for example
colour_counts = [0] * NUM_BUCKETS

for pixel in im.getdata():
    hue, saturation, value = colorsys.hsv_to_rgb(pixel[0], pixel[1], pixel[2])
    hue_bucket = hue * NUM_BUCKETS // 255 # Using python3 to get an int
    colour_counts[hue_bucket] += 1

colour_names = ["red", "yellow", "green", "cyan", "blue", "magenta"]
for name, count in [x for x in zip(colour_names, colour_counts)]:
    print("{n} = {c}".format(n=name, c=count))

因此，这只是将颜色空间划分为6，但您可以使用任何您喜欢的数字（您只需要考虑所有这些数字的名称）。黑人和白人不能很好地工作，因为我们正在看色调。要捕捉黑白，也要使用＆＃34;值＆＃34;和＆＃34;饱和＆＃34;，即：

for pixel in im.getdata():
        hue, saturation, value = colorsys.hsv_to_rgb(pixel[0], pixel[1], pixel[2])
        if value < 32: # It's very dark
            blacks += 1
        elif saturation < 32 and value > 224: # it's basically white
            whites += 1
        else: # if it fails both of those, we can call it a colour
            hue_bucket = hue * NUM_BUCKETS // 255 # Using python3 to get an int
            colour_counts[hue_bucket] += 1

黑色的特点是低value。白色具有高value和低saturation。低saturation颜色为灰色。我通常认为hsv比rgb更容易理解。

Answer 4

保罗的答案更优雅，但基本上我认为你可以通过定义一个函数来解决它，它可以在任何两种RGB颜色之间提供＆＃34;距离＆＃34; 像这样：

def distance(col1, col2):
    (r1,g1,b1) = col1
    (r2,g2,b2) = col2
    return (r1 - r2)**2 + (g1 - g2) ** 2 + (b1 - b2) **2

现在，您需要做的只是（伪代码）：

load your pre-existing reference colours into a list
load your new image
for each pixel in new image
    # Calculate distance from this pixel to first one in reference list
    mindist=distance(this pixel, first pixel in reference colours)
    nearest=first pixel in reference colours
    # Now see if any other colour in reference list is closer
    for index=1 to number of colours in reference list
        d=distance(this pixel, reference list[index])
        if d < mindist:
           mindist=d
           nearest=reference list[index]
    end
    replace pixel with nearest one from reference list as determined above
end

我还在学习Python，所以我对上述内容的翻译可能不是最优的，但它确实有效！

#!/usr/local/bin/python3
from PIL import Image
import numpy as np

# Calculate distance in RGB space between two RGB pixels
def distance(col1, col2):
    r1,g1,b1 = col1
    r2,g2,b2 = col2
    return (r1 - r2)**2 + (g1 - g2) ** 2 + (b1 - b2) **2

# All colours in the image will be forced to nearest one in this list
refColours=(
      [[255,   0,   0],    # red
       [  0, 255,   0],    # green
       [  0,   0, 255],    # blue
       [255, 255,   0],    # yellow
       [  0, 255, 255],    # cyan
       [255,   0, 255],    # magenta
       [  0,   0,   0],    # black
       [255, 255, 255]])   # white

# Load your new image and note its width and height
im = Image.open('colorwheel.png')
imrgb = im.convert("RGB")
(w,h)=im.size[0],im.size[1]

# Make a buffer for our output pixels
px=np.zeros(w*h,dtype=np.uint8)
idx=0

for pixel in list(imrgb.getdata()):
   # Calculate distance from this pixel to first one in reference list
   mindist = distance([pixel[0],pixel[1],pixel[2]],refColours[0])
   nearest = 0
   # Now see if any other colour in reference list is closer
   for index in range(1,len(refColours)):
       d=distance([pixel[0],pixel[1],pixel[2]],refColours[index])
       if d < mindist:
          mindist=d
          nearest=index
   # Set output pixel to nearest
   px[idx]=nearest
   idx += 1

# Reshape our output pixels to match input image
px=px.reshape(w,h)
# Make output image from our pixels
outimg=Image.fromarray(px).convert('P')
# Put our palette of favourite colours into the output image
palette=[item for sublist in refColours for item in sublist]
outimg.putpalette(palette)
outimg.save("result.png")

所以，我从colorwheel.png开始：

并以此结束：

当然，像我在评论中建议的那样，更简单的解决方案是使用像 ImageMagick 这样的工具将新图像中的颜色重新映射到您的＆＃34;参考＆＃34;中的颜色。图像，你在命令行上这样做：

convert colorwheel.png +dither -remap colormap.png result.png

如my other answer here所示。所以在Python中，您可以使用system()调用或使用subprocess模块执行此操作：

cmd="https://stackoverflow.com/a/38328879/2836621"
system(cmd)

计算不同颜色的像素 - Python

4 个答案: