浅谈Python3识别判断图片主要颜色并和颜色库进行对比的方法
【更新】主要提供两种方案：
方案一：（参考网上代码，感觉实用性不是很强）使用PIL截取图像，然后将RGB转为HSV进行判断，统计判断颜色，最后输出RGB值
方案二：使用opencv库函数进行处理。（效果不错）
1、将图片颜色转为hsv，
2、使用cv2.inRange()函数进行背景颜色过滤
3、将过滤后的颜色进行二值化处理
4、进行形态学腐蚀膨胀，cv2.dilate()
5、统计白色区域面积
详解：方案一：
转载出处：www.nhooo.com/article/62526.htm
项目实际需要，对识别出来的车车需要标记颜色，因此采用方案如下：
1、通过importPIL.ImageGrabasImageGrab将识别出来的汽车矩形框裁剪出来
img_color=image.crop((left,right,top,bottom))
2、将裁剪出来的image进行颜色图像识别
RGB和hsv中间的转换关系，网上很多，我也没有具体去研究如何转换的，能用就行
附上测试，封装成函数方法：
importcolorsys
importPIL.ImageasImage
defget_dominant_color(image):
max_score=0.0001
dominant_color=None
forcount,(r,g,b)inimage.getcolors(image.size[0]*image.size[1]):
#转为HSV标准
saturation=colorsys.rgb_to_hsv(r/255.0,g/255.0,b/255.0)[1]
y=min(abs(r*2104+g*4130+b*802+4096+131072)>>13,235)
y=(y-16.0)/(235-16)
#忽略高亮色
ify>0.9:
continue
score=(saturation+0.1)*count
ifscore>max_score:
max_score=score
dominant_color=(r,g,b)
returndominant_color
if__name__=='__main__':
image=Image.open('test.jpg')
image=image.convert('RGB')
print(get_dominant_color(image))
测试图
结果
在这个网上查询RGB数值对应的颜色
http://tools.jb51.net/static/colorpicker/index.html
方案二：opencv计算机视觉库函数处理
1、定义HSV颜色字典，参考网上HSV颜色分类
importnumpyasnp
importcollections
#定义字典存放颜色分量上下限
#例如：{颜色:[min分量,max分量]}
#{'red':[array([160,43,46]),array([179,255,255])]}
defgetColorList():
dict=collections.defaultdict(list)
#黑色
lower_black=np.array([0,0,0])
upper_black=np.array([180,255,46])
color_list=[]
color_list.append(lower_black)
color_list.append(upper_black)
dict['black']=color_list
##灰色
#lower_gray=np.array([0,0,46])
#upper_gray=np.array([180,43,220])
#color_list=[]
#color_list.append(lower_gray)
#color_list.append(upper_gray)
#dict['gray']=color_list
#白色
lower_white=np.array([0,0,221])
upper_white=np.array([180,30,255])
color_list=[]
color_list.append(lower_white)
color_list.append(upper_white)
dict['white']=color_list
#红色
lower_red=np.array([156,43,46])
upper_red=np.array([180,255,255])
color_list=[]
color_list.append(lower_red)
color_list.append(upper_red)
dict['red']=color_list
#红色2
lower_red=np.array([0,43,46])
upper_red=np.array([10,255,255])
color_list=[]
color_list.append(lower_red)
color_list.append(upper_red)
dict['red2']=color_list
#橙色
lower_orange=np.array([11,43,46])
upper_orange=np.array([25,255,255])
color_list=[]
color_list.append(lower_orange)
color_list.append(upper_orange)
dict['orange']=color_list
#黄色
lower_yellow=np.array([26,43,46])
upper_yellow=np.array([34,255,255])
color_list=[]
color_list.append(lower_yellow)
color_list.append(upper_yellow)
dict['yellow']=color_list
#绿色
lower_green=np.array([35,43,46])
upper_green=np.array([77,255,255])
color_list=[]
color_list.append(lower_green)
color_list.append(upper_green)
dict['green']=color_list
#青色
lower_cyan=np.array([78,43,46])
upper_cyan=np.array([99,255,255])
color_list=[]
color_list.append(lower_cyan)
color_list.append(upper_cyan)
dict['cyan']=color_list
#蓝色
lower_blue=np.array([100,43,46])
upper_blue=np.array([124,255,255])
color_list=[]
color_list.append(lower_blue)
color_list.append(upper_blue)
dict['blue']=color_list
#紫色
lower_purple=np.array([125,43,46])
upper_purple=np.array([155,255,255])
color_list=[]
color_list.append(lower_purple)
color_list.append(upper_purple)
dict['purple']=color_list
returndict
if__name__=='__main__':
color_dict=getColorList()
print(color_dict)
num=len(color_dict)
print('num=',num)
fordincolor_dict:
print('key=',d)
print('value=',color_dict[d][1])
2、颜色识别
importcv2
importnumpyasnp
importcolorList
filename='car04.jpg'
#处理图片
defget_color(frame):
print('goinget_color')
hsv=cv2.cvtColor(frame,cv2.COLOR_BGR2HSV)
maxsum=-100
color=None
color_dict=colorList.getColorList()
fordincolor_dict:
mask=cv2.inRange(hsv,color_dict[d][0],color_dict[d][1])
cv2.imwrite(d+'.jpg',mask)
binary=cv2.threshold(mask,127,255,cv2.THRESH_BINARY)[1]
binary=cv2.dilate(binary,None,iterations=2)
img,cnts,hiera=cv2.findContours(binary.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
sum=0
forcincnts:
sum+=cv2.contourArea(c)
ifsum>maxsum:
maxsum=sum
color=d
returncolor
if__name__=='__main__':
frame=cv2.imread(filename)
print(get_color(frame))
3、结果
原始图像（网上找的测试图）：
1）、使用cv2.inRange()函数过滤背景后图片如下：
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。