Python - 在图像中查找主要/最常见的颜色
Posted
技术标签:
【中文标题】Python - 在图像中查找主要/最常见的颜色【英文标题】：Python - Find dominant/most common color in an image 【发布时间】：2011-03-15 14:10:46 【问题描述】：我正在寻找一种方法来使用 python 在图像中找到最主要的颜色/色调。无论是平均色调还是最常见的 RGB 都可以。我查看了 Python Imaging 库，但在他们的手册中找不到任何与我正在寻找的内容相关的内容，也没有在 VTK 中找到简短的内容。
不过，我确实找到了一个 php 脚本，它可以满足我的需求，here（需要登录才能下载）。该脚本似乎将图像大小调整为 150*150，以突出主色。然而，在那之后，我相当迷茫。我确实考虑过写一些东西，将图像调整为小尺寸，然后检查它的图像的每个其他像素左右，尽管我认为这会非常低效（尽管将这个想法实现为 C python 模块可能是一个想法）。
然而，在这一切之后，我仍然很难过。所以我转向你，所以。有没有一种简单、有效的方法可以找到图像中的主色。
【问题讨论】：
我猜它会调整图片的大小，让重新缩放算法为你做一些平均。 【参考方案1】：这是使用Pillow 和Scipy's cluster package 的代码。
为简单起见，我将文件名硬编码为“image.jpg”。调整图像大小是为了速度：如果您不介意等待，请注释掉 resize 调用。当在这个sample image of blue peppers 上运行时，它通常会说主色是#d8c865，它大致对应于两个辣椒左下角的亮黄色区域。我说“通常”是因为使用的clustering algorithm 具有一定程度的随机性。您可以通过多种方式更改此设置，但出于您的目的，它可能非常适合。 （如果您需要确定性结果，请查看 kmeans2() 变体的选项。）
from __future__ import print_function
import binascii
import struct
from PIL import Image
import numpy as np
import scipy
import scipy.misc
import scipy.cluster
NUM_CLUSTERS = 5
print('reading image')
im = Image.open('image.jpg')
im = im.resize((150, 150)) # optional, to reduce time
ar = np.asarray(im)
shape = ar.shape
ar = ar.reshape(scipy.product(shape[:2]), shape[2]).astype(float)
print('finding clusters')
codes, dist = scipy.cluster.vq.kmeans(ar, NUM_CLUSTERS)
print('cluster centres:\n', codes)
vecs, dist = scipy.cluster.vq.vq(ar, codes) # assign codes
counts, bins = scipy.histogram(vecs, len(codes)) # count occurrences
index_max = scipy.argmax(counts) # find most frequent
peak = codes[index_max]
colour = binascii.hexlify(bytearray(int(c) for c in peak)).decode('ascii')
print('most frequent is %s (#%s)' % (peak, colour))
注意：当我将聚类数量从 5 扩展到 10 或 15 时，它经常给出偏绿或偏蓝的结果。给定输入图像，这些结果也是合理的......我也无法判断哪种颜色在该图像中真正占主导地位，所以我没有错误算法！
还有一个小好处：只用 N 种最常见的颜色保存缩小尺寸的图像：
# bonus: save image using only the N most common colours
import imageio
c = ar.copy()
for i, code in enumerate(codes):
c[scipy.r_[scipy.where(vecs==i)],:] = code
imageio.imwrite('clusters.png', c.reshape(*shape).astype(np.uint8))
print('saved clustered image')
【讨论】：
哇。那太棒了。几乎正是我想要的。我确实看过 scipy，感觉答案就在那里：P 谢谢你的回答。 我已经编辑/更新了您的代码。感谢这个紧凑且运行良好的解决方案！ @SimonSteinberger 感谢您的编辑，我很高兴听到它在 7 年后仍然能够运行并帮助某人！这是一个有趣的问题。 这对 python 3.x 有多个问题。例如，（1）.encode('hex') 是no longer valid syntax，和（2）from PIL import Image source
谢谢@philshem。我相信我现在已经对其进行了修改以支持 3.x。同时进行的一些更改解决了在 2.7 或 3.7（但不一定同时）上报告的弃用和警告。【参考方案2】：
试试Color-thief。它基于 Pillow 并且效果很好。
安装
pip install colorthief
用法
from colorthief import ColorThief
color_thief = ColorThief('/path/to/imagefile')
# get the dominant color
dominant_color = color_thief.get_color(quality=1)
它还可以找到调色板
palette = color_thief.get_palette(color_count=6)
【讨论】：
神奇的模块【参考方案3】：Python Imaging Library 在 Image 对象上有方法 getcolors：
im.getcolors() => (count, 颜色）元组或无
我想你仍然可以在此之前尝试调整图像大小，看看效果是否更好。
【讨论】：
【参考方案4】：您可以通过多种不同的方式做到这一点。而且您实际上并不需要 scipy 和 k-means，因为当您调整图像大小或将图像缩小到某个调色板时，Pillow 内部已经为您完成了这项工作。
解决方案 1：将图片缩小到 1 个像素。
def get_dominant_color(pil_img):
img = pil_img.copy()
img.convert("RGB")
img = img.resize((1, 1), resample=0)
dominant_color = img.getpixel((0, 0))
return dominant_color
解决方案 2：将图像颜色减少到调色板
def get_dominant_color(pil_img, palette_size=16):
# Resize image to speed up processing
img = pil_img.copy()
img.thumbnail((100, 100))
# Reduce colors (uses k-means internally)
paletted = img.convert('P', palette=Image.ADAPTIVE, colors=palette_size)
# Find the color that occurs most often
palette = paletted.getpalette()
color_counts = sorted(paletted.getcolors(), reverse=True)
palette_index = color_counts[0][1]
dominant_color = palette[palette_index*3:palette_index*3+3]
return dominant_color
两种解决方案都给出了相似的结果。后一种解决方案可能会为您提供更高的准确性，因为我们在调整图像大小时会保持纵横比。由于您可以调整pallete_size，因此您还可以获得更多控制权。
【讨论】：
这也比上面的任何 scikit-learn/scipy 图像都要快。 像魅力一样工作，不需要任何额外的模块。非常感谢！【参考方案5】：如果您仍在寻找答案，这对我有用，尽管效率不高：
from PIL import Image
def compute_average_image_color(img):
width, height = img.size
r_total = 0
g_total = 0
b_total = 0
count = 0
for x in range(0, width):
for y in range(0, height):
r, g, b = img.getpixel((x,y))
r_total += r
g_total += g
b_total += b
count += 1
return (r_total/count, g_total/count, b_total/count)
img = Image.open('image.png')
#img = img.resize((50,50)) # Small optimization
average_color = compute_average_image_color(img)
print(average_color)
【讨论】：
对于 png，您需要稍微调整一下以处理 img.getpixel 返回 r,g,b,a（四个值而不是三个）的事实。或者它对我来说确实如此。 这会不均匀地加权像素。最后触摸的像素贡献了总值的一半。之前的像素贡献了一半。事实上，只有最后 8 个像素会影响平均值。 你是对的——愚蠢的错误。刚刚编辑了答案 - 如果可行，请告诉我。 这不是这个问题的答案。平均颜色不是图像中的主要颜色。【参考方案6】：没有必要像 Peter 建议的那样使用 k-means 来查找主色。这使一个简单的问题变得过于复杂。您还通过选择的集群数量来限制自己，所以基本上您需要了解您正在查看的内容。
正如您所提到的和 zvone 所建议的，找到最常见/主要颜色的快速解决方案是使用 Pillow 库。我们只需要将像素按计数排序即可。
from PIL import Image
def find_dominant_color(filename):
#Resizing parameters
width, height = 150,150
image = Image.open(filename)
image = image.resize((width, height),resample = 0)
#Get colors from image object
pixels = image.getcolors(width * height)
#Sort them by count number(first element of tuple)
sorted_pixels = sorted(pixels, key=lambda t: t[0])
#Get the most frequent color
dominant_color = sorted_pixels[-1][1]
return dominant_color
唯一的问题是getcolors()方法在颜色数量超过256种时返回None。你可以通过调整原始图像的大小来处理。
总而言之，它可能不是最精确的解决方案，但它可以完成工作。
【讨论】：
你知道吗？您正在返回函数本身，尽管您正在为其分配一个值，但这不是一个好主意 你说得对，为此我编辑了函数的名称！ 这不是很可靠。 (1) 您应该使用thumbnail 而不是调整大小以避免裁剪或拉伸，(2) 如果您的图像具有 2 个白色像素和 100 个不同级别的黑色像素，您仍然会得到白色。
同意，但我想避免在使用预定义集群或调色板时降低粒度的警告。根据用例，这可能是不可取的。【参考方案7】：
您可以使用 PIL 将图像的每个维度重复缩小 2 倍，直到达到 1x1。我不知道 PIL 使用什么算法来按大因子缩小比例，因此在单个调整大小中直接进入 1x1 可能会丢失信息。它可能不是最有效的，但它会为您提供图像的“平均”颜色。
【讨论】：
【参考方案8】：补充彼得的答案，如果 PIL 给你一个模式为“P”或几乎任何非“RGBA”模式的图像，那么你需要应用一个 alpha 蒙版将其转换为 RGBA。你可以很容易地做到这一点：
if im.mode == 'P':
im.putalpha(0)
【讨论】：
【参考方案9】：我的解决方案
这是我根据 Peter Hansen 的解决方案改编的。
import scipy.cluster
import sklearn.cluster
import numpy
from PIL import Image
def dominant_colors(image): # PIL image input
image = image.resize((150, 150)) # optional, to reduce time
ar = numpy.asarray(image)
shape = ar.shape
ar = ar.reshape(numpy.product(shape[:2]), shape[2]).astype(float)
kmeans = sklearn.cluster.MiniBatchKMeans(
n_clusters=10,
init="k-means++",
max_iter=20,
random_state=1000
).fit(ar)
codes = kmeans.cluster_centers_
vecs, _dist = scipy.cluster.vq.vq(ar, codes) # assign codes
counts, _bins = numpy.histogram(vecs, len(codes)) # count occurrences
colors = []
for index in numpy.argsort(counts)[::-1]:
colors.append(tuple([int(code) for code in codes[index]]))
return colors # returns colors in order of dominance
有什么不同/改进？
它（主观上）更准确
它使用 kmeans++ 来选择初始聚类中心，从而获得更好的结果。 （虽然 kmeans++ 可能不是选择聚类中心的最快方法）
更快
使用sklearn.cluster.MiniBatchKMeans 明显更快，并且提供与默认 KMeans 算法非常相似的颜色。您可以随时尝试较慢的sklearn.cluster.KMeans 并比较结果并决定是否值得权衡。
这是确定性的
我正在使用 random_state 来获得一致的输出（我相信原来的 scipy.cluster.vq.kmeans 也有一个 seed 参数）。在添加随机状态之前，我发现某些输入可能具有显着不同的输出。
【讨论】：
感谢您加入解决方案 Jacob！很高兴看到这个有趣的问题仍然在帮助人们。 :)【参考方案10】：下面是一个基于 c++ Qt 的示例，用于猜测图像的主要颜色。您可以使用 PyQt 并将其转换为 Python 等效项。
#include <Qt/QtGui>
#include <Qt/QtCore>
#include <QtGui/QApplication>
int main(int argc, char** argv)
QApplication app(argc, argv);
QPixmap pixmap("logo.png");
QImage image = pixmap.toImage();
QRgb col;
QMap<QRgb,int> rgbcount;
QRgb greatest = 0;
int width = pixmap.width();
int height = pixmap.height();
int count = 0;
for (int i = 0; i < width; ++i)
for (int j = 0; j < height; ++j)
col = image.pixel(i, j);
if (rgbcount.contains(col))
rgbcount[col] = rgbcount[col] + 1;
else
rgbcount[col] = 1;
if (rgbcount[col] > count)
greatest = col;
count = rgbcount[col];
qDebug() << count << greatest;
return app.exec();
【讨论】：
【参考方案11】：这是一个包含函数 compute_average_image_color() 的完整脚本。
只需复制并粘贴它，然后更改图像的路径。
我的图片是 img_path='./dir/image001.png'
#AVERANGE COLOR, MIN, MAX, STANDARD DEVIATION
#SELECT ONLY NOT TRANSPARENT COLOR
from PIL import Image
import sys
import os
import os.path
from os import path
import numpy as np
import math
def compute_average_image_color(img_path):
if not os.path.isfile(img_path):
print(path_inp_image, 'DONT EXISTS, EXIT')
sys.exit()
#load image
img = Image.open(img_path).convert('RGBA')
img = img.resize((50,50)) # Small optimization
#DEFINE SOME VARIABLES
width, height = img.size
r_total = 0
g_total = 0
b_total = 0
count = 0
red_list=[]
green_list=[]
blue_list=[]
#READ AND CHECK PIXEL BY PIXEL
for x in range(0, width):
for y in range(0, height):
r, g, b, alpha = img.getpixel((x,y))
if alpha !=0:
red_list.append(r)
green_list.append(g)
blue_list.append(b)
r_total += r
g_total += g
b_total += b
count += 1
#CALCULATE THE AVRANGE COLOR, MIN, MAX, ETC
average_color=(round(r_total/count), round(g_total/count), round(b_total/count))
print(average_color)
red_list.sort()
green_list.sort()
blue_list.sort()
red_min_max=[]
green_min_max=[]
blue_min_max=[]
red_min_max.append(min(red_list))
red_min_max.append(max(red_list))
green_min_max.append(min(green_list))
green_min_max.append(max(red_list))
blue_min_max.append(min(blue_list))
blue_min_max.append(max(blue_list))
print('red_min_max: ', red_min_max)
print('green_min_max: ', green_min_max)
print('blue_min_max: ', blue_min_max)
#variance and standard devietion
red_stddev=round(math.sqrt(np.var(red_list)))
green_stddev=round(math.sqrt(np.var(green_list)))
blue_stddev=round(math.sqrt(np.var(blue_list)))
print('red_stddev: ', red_stddev)
print('green_stddev: ', green_stddev)
print('blue_stddev: ', blue_stddev)
img_path='./dir/image001.png'
compute_average_image_color(img_path)
【讨论】：
你能解释一下你的代码吗？ （如果有的话，你使用了哪些库或模块以及为什么）。让其他人了解您的研究、您的代码和替代方案的优缺点会很好。最好添加一些解释以便为读者提供上下文。 看起来更好。这是一个完整的python脚本。有 7-8 条 IMPORT 指令。并且每一行代码都有注释。这是一个脚本，因此用户可以复制和粘贴它。您刚刚更改了输入图像的名称 image001.png以上是关于Python - 在图像中查找主要/最常见的颜色的主要内容，如果未能解决你的问题，请参考以下文章