如何修復(fù)錯(cuò)誤

導(dǎo)致此錯(cuò)誤的原因有兩個(gè)：

>文件名拼寫錯(cuò)誤.

>圖像文件不在當(dāng)前工作目錄中.

要解決此問題,您應(yīng)確保文件名拼寫正確(以大小寫敏感檢查)并且映像文件位于當(dāng)前工作目錄中(此處有兩個(gè)選項(xiàng)：您可以更改IDE中的當(dāng)前工作目錄或指定文件的完整路徑).

平均顏色與主色

然后要計(jì)算“平均顏色”,你必須決定你的意思.在灰度圖像中,它只是圖像中灰度級(jí)的平均值,但是顏色沒有“平均值”.實(shí)際上,顏色通常通過三維矢量表示,而灰度級(jí)是標(biāo)量.平均標(biāo)量很好,但平均向量沒有意義.

將圖像分離為其色彩分量并獲取每個(gè)分量的平均值是一種可行的方法.然而,這種方法可能產(chǎn)生無意義的顏色.您可能真正想要的是主色而不是平均色.

履行

我們慢慢來看看代碼吧.我們首先導(dǎo)入必要的模塊并閱讀圖像：

import cv2

import numpy as np

from skimage import io

img = io.imread('https://i.stack.imgur.com/DNM65.png')[:, :, :-1]

然后我們可以按照類似于@Ruan B提出的方法計(jì)算每個(gè)色度通道的平均值：

average = img.mean(axis=0).mean(axis=0)

接下來,我們應(yīng)用k-means clustering來創(chuàng)建具有最具代表性的圖像顏色的調(diào)色板(在此玩具示例中,n_colors設(shè)置為5).

pixels = np.float32(img.reshape(-1, 3))

n_colors = 5

criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 200, .1)

flags = cv2.KMEANS_RANDOM_CENTERS

_, labels, palette = cv2.kmeans(pixels, n_colors, None, criteria, 10, flags)

_, counts = np.unique(labels, return_counts=True)

最后,主色是在量化圖像上最常出現(xiàn)的調(diào)色板顏色：

dominant = palette[np.argmax(counts)]

比較結(jié)果

為了說明兩種方法之間的差異,我使用了以下示例圖像：

所獲得的平均顏色值,即其分量是三個(gè)色度通道的平均值的顏色,以及通過k均值聚類計(jì)算的主色顏色是相當(dāng)不同的：

In [30]: average

Out[30]: array([91.63179156, 69.30190754, 58.11971896])

In [31]: dominant

Out[31]: array([179.3999 , 27.341282, 2.294441], dtype=float32)

讓我們看看這些顏色如何更好地理解兩種方法之間的差異.在下圖的左側(cè)部分顯示平均顏色.很明顯,計(jì)算出的平均顏色沒有恰當(dāng)?shù)孛枋鲈紙D像的顏色含量.實(shí)際上,原始圖像中沒有一個(gè)像素具有該顏色.圖的右側(cè)部分顯示了按重要性(出現(xiàn)頻率)的降序從上到下排序的五種最具代表性的顏色.這個(gè)調(diào)色板顯然主色是紅色,這與原始圖像中最大的均勻顏色區(qū)域?qū)?yīng)紅色樂高片的事實(shí)是一致的.

這是用于生成上圖的代碼：

import matplotlib.pyplot as plt

avg_patch = np.ones(shape=img.shape, dtype=np.uint8)*np.uint8(average)

indices = np.argsort(counts)[::-1]

freqs = np.cumsum(np.hstack([[0], counts[indices]/counts.sum()]))

rows = np.int_(img.shape[0]*freqs)

dom_patch = np.zeros(shape=img.shape, dtype=np.uint8)

for i in range(len(rows) - 1):

dom_patch[rows[i]:rows[i + 1], :, :] += np.uint8(palette[indices[i]])

fig, (ax0, ax1) = plt.subplots(1, 2, figsize=(12,6))

ax0.imshow(avg_patch)

ax0.set_title('Average color')

ax0.axis('off')

ax1.imshow(dom_patch)

ax1.set_title('Dominant colors')

ax1.axis('off')

plt.show(fig)

TL; DR回答

總之,盡管計(jì)算平均顏色 – 如@Ruan B.的答案中所提出的 – 從數(shù)學(xué)角度來看在技術(shù)上是正確的,但是產(chǎn)生的結(jié)果可能不足以代表圖像的顏色內(nèi)容.更明智的方法是通過矢量量化(聚類)確定主色.

總結(jié)

以上是生活随笔為你收集整理的opencv python3 找图片色块_如何使用OpenCV在Python中找到图像的平均颜色？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。