在图像上查找主色

Posted 2023-02-23

【中文标题】在图像上查找主色

【英文标题】：Find dominant color on an image

【发布时间】：2015-05-01 20:55:31

【问题描述】：

我想在图像上找到主色。为此，我知道我应该使用图像直方图。但我不确定图像格式。应该使用 rgb、hsv 或灰度图像中的哪一种？

计算直方图后，我应该在直方图上找到最大值。为此，我应该找到低于 hsv 图像的最大 binVal 值吗？为什么我的结果图像只包含黑色？

float binVal = hist.at<float>(h, s);

编辑：

我已经尝试了下面的代码。我画了 h-s 直方图。我的结果图像在这里。在二进制阈值之后我没有找到任何东西。也许我发现最大直方图值不正确。

cvtColor(src, hsv, CV_BGR2HSV);

// Quantize the hue to 30 levels
// and the saturation to 32 levels
int hbins = 20, sbins = 22;
int histSize[] = hbins, sbins;
// hue varies from 0 to 179, see cvtColor
float hranges[] =  0, 180 ;
// saturation varies from 0 (black-gray-white) to
// 255 (pure spectrum color)
float sranges[] =  0, 256 ;
const float* ranges[] =  hranges, sranges ;
MatND hist;
// we compute the histogram from the 0-th and 1-st channels
int channels[] = 0, 1;

calcHist( &hsv, 1, channels, Mat(), // do not use mask
         hist, 2, histSize, ranges,
         true, // the histogram is uniform
         false );
double maxVal=0;
minMaxLoc(hist, 0, &maxVal, 0, 0);

int scale = 10;
Mat histImg = Mat::zeros(sbins*scale, hbins*10, CV_8UC3);
int maxIntensity = -100;
for( int h = 0; h < hbins; h++ ) 
    for( int s = 0; s < sbins; s++ )
    
        float binVal = hist.at<float>(h, s);
        int intensity = cvRound(binVal*255/maxVal);
        rectangle( histImg, Point(h*scale, s*scale),
                    Point( (h+1)*scale - 1, (s+1)*scale - 1),
                    Scalar::all(intensity),
                    CV_FILLED );
        if(intensity > maxIntensity)
            maxIntensity = intensity;
    

std::cout << "max Intensity " << maxVal << std::endl;
Mat dst;
cv::threshold(src, dst, maxIntensity, 255, cv::THRESH_BINARY);

namedWindow( "Dest", 1 );
imshow( "Dest", dst );
namedWindow( "Source", 1 );
imshow( "Source", src );

namedWindow( "H-S Histogram", 1 );
imshow( "H-S Histogram", histImg );

【参考方案1】：

或者，您可以尝试k-means 方法。 Calculate k clusters 和 k ~ 2..5 并以最大组的质心作为主色。

OpenCv 的 python 文档有一个 illustrated example 可以很好地获得主色：

【讨论】：

我应该很快找到最大的颜色区域，而且我的图像很大。这种方法对这项任务有效吗？

不，它很可能比简单的直方图慢（确切的版本甚至是 NP 完全的）。但由于此任务执行从N 像素到仅一种颜色的强降维，您很可能只是不考虑所有像素，即首先对图像进行子采样（独立于您用于实际确定之后上色）。

你到底不能使用什么？

对不起我的英语，这不是解决我问题的好方法。所以，我不打算使用 knn 聚类方法。

【参考方案2】：

解决办法

查找 H-S 直方图 找到峰值 H 值（使用 minmaxLoc 函数） 分割图像 3 通道(h,s,v) 应用于阈值。 通过合并3通道创建图像

【参考方案3】：

这是一种 Python 方法，使用 K-Means Clustering 来确定带有 sklearn.cluster.KMeans() 的图像中的主色

---

输入图片

结果

对于n_clusters=5，这里是最主要的颜色和百分比分布

[14.69488554 34.23074345 41.48107857] 13.67%
[141.44980073 207.52576948 236.30722987] 15.69%
[ 31.75790423  77.52713644 114.33328324] 18.77%
[ 48.41205713 118.34814452 176.43411287] 25.19%
[ 84.04820266 161.6848298  217.14045211] 26.69%

每个颜色簇的可视化

与n_clusters=10相似，

[ 55.09073171 113.28271003  74.97528455] 3.25%
[ 85.36889668 145.80759374 174.59846237] 5.24%
[164.17201088 223.34258123 241.81929254] 6.60%
[ 9.97315932 22.79468111 22.01822211] 7.16%
[19.96940211 47.8375841  72.83728002] 9.27%
[ 26.73510467  70.5847759  124.79314278] 10.52%
[118.44741779 190.98204701 230.66728334] 13.55%
[ 51.61750364 130.59930047 198.76335878] 13.82%
[ 41.10232129 104.89923271 160.54431333] 14.53%
[ 81.70930412 161.823664   221.10258949] 16.04%

import cv2, numpy as np
from sklearn.cluster import KMeans

def visualize_colors(cluster, centroids):
    # Get the number of different clusters, create histogram, and normalize
    labels = np.arange(0, len(np.unique(cluster.labels_)) + 1)
    (hist, _) = np.histogram(cluster.labels_, bins = labels)
    hist = hist.astype("float")
    hist /= hist.sum()

    # Create frequency rect and iterate through each cluster's color and percentage
    rect = np.zeros((50, 300, 3), dtype=np.uint8)
    colors = sorted([(percent, color) for (percent, color) in zip(hist, centroids)])
    start = 0
    for (percent, color) in colors:
        print(color, ":0.2f%".format(percent * 100))
        end = start + (percent * 300)
        cv2.rectangle(rect, (int(start), 0), (int(end), 50), \
                      color.astype("uint8").tolist(), -1)
        start = end
    return rect

# Load image and convert to a list of pixels
image = cv2.imread('1.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
reshape = image.reshape((image.shape[0] * image.shape[1], 3))

# Find and display most dominant colors
cluster = KMeans(n_clusters=5).fit(reshape)
visualize = visualize_colors(cluster, cluster.cluster_centers_)
visualize = cv2.cvtColor(visualize, cv2.COLOR_RGB2BGR)
cv2.imshow('visualize', visualize)
cv2.waitKey()

【讨论】：

这家伙真是太棒了！谢谢！

【参考方案4】：

以下是一些帮助您入门的建议。

RGB 中的所有 3 个通道都对颜色有贡献，因此您必须 以某种方式找出三个不同的直方图都处于最大值的位置。 （或者它们的总和是最大值，或者其他什么。） HSV 在一个通道中包含所有颜色（嗯，色调）信息，所以 您只需考虑一个直方图。 灰度会丢弃所有颜色信息，因此对于 寻找颜色。

尝试转换成HSV，然后计算H通道的直方图。

正如您所说，您想在直方图中找到最大值。但是：

您可能需要考虑一系列值，而不仅仅是一个值，例如 来自20-40 而不仅仅是30。尝试不同的范围大小。 记住，Hue 是圆形的，所以H=0 和H=360 是一样的。 尝试按照以下方式绘制直方图：http://docs.opencv.org/doc/tutorials/imgproc/histograms/histogram_calculation/histogram_calculation.html 看看你的结果是否有意义。 如果您正在使用色调范围并且您发现一个最大范围，您可以只使用该范围的中间作为您的主色，或者您可以找到该范围内颜色的平均值并使用那个。