Python3識別判斷圖片主要顏色並和顏色庫進行對比的方法

【更新】主要提供兩種方案：

方案一：（參考網上代碼，感覺實用性不是很強）使用PIL截取圖像，然後將RGB轉爲HSV進行判斷，統計判斷顏色，最後輸出RGB值

方案二：使用opencv庫函數進行處理。（效果不錯）

       1、將圖片顏色轉爲hsv，
       2、使用cv2.inRange()函數進行背景顏色過濾
 3、將過濾後的顏色進行二值化處理
 4、進行形態學腐蝕膨脹，cv2.dilate()
 5、統計白色區域面積

詳解：方案一：

轉載出處：http://www.jb51.net/article/62526.htm

項目實際需要，對識別出來的車車需要標記顏色，因此採用方案如下：

1、通過import PIL.ImageGrab as ImageGrab 將識別出來的汽車矩形框裁剪出來

  img_color=image.crop((left,right,top,bottom))

2、將裁剪出來的image進行顏色圖像識別

RGB和hsv中間的轉換關係，網上很多，我也沒有具體去研究如何轉換的，能用就行

附上測試，封裝成函數方法：

import colorsys
import PIL.Image as Image

def get_dominant_color(image):
    max_score = 0.0001
    dominant_color = None
    for count,(r,g,b) in image.getcolors(image.size[0]*image.size[1]):
        # 轉爲HSV標準
        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
        if y > 0.9:
            continue
        score = (saturation+0.1)*count
        if score > max_score:
            max_score = score
            dominant_color = (r,g,b)
    return dominant_color


if __name__ == '__main__':
    image = Image.open('test.jpg')
    image = image.convert('RGB')
    print(get_dominant_color(image))

測試圖

結果

在這個網上查詢RGB數值對應的顏色

http://www.sioe.cn/yingyong/yanse-rgb-16/

方案二：opencv計算機視覺庫函數處理

1、定義HSV顏色字典，參考網上HSV顏色分類

代碼如下：

import numpy as np
import collections

#定義字典存放顏色分量上下限
#例如：{顏色: [min分量, max分量]}
#{'red': [array([160,  43,  46]), array([179, 255, 255])]}

def getColorList():
    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

    #紅色
    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

    # 紅色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

    #黃色
    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

    #綠色
    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

    #藍色
    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

    return dict


if __name__ == '__main__':
    color_dict = getColorList()
    print(color_dict)

    num = len(color_dict)
    print('num=',num)

    for d in color_dict:
        print('key=',d)
        print('value=',color_dict[d][1])

2、顏色識別

import  cv2
import numpy as np
import colorList

filename='car04.jpg'

#處理圖片
def get_color(frame):
    print('go in get_color')
    hsv = cv2.cvtColor(frame,cv2.COLOR_BGR2HSV)
    maxsum = -100
    color = None
    color_dict = colorList.getColorList()
    for d in color_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
        for c in cnts:
            sum+=cv2.contourArea(c)
        if sum > maxsum :
            maxsum = sum
            color = d

    return color


if __name__ == '__main__':
    frame = cv2.imread(filename)
    print(get_color(frame))

3、結果

原始圖像（網上找的測試圖）：

  1）、使用cv2.inRange()函數過濾背景後圖片如下：

2）、可見使用白色分量過濾背景後，出現車輛的輪廓，因此，能夠計算白色區域的面積，最大的則爲該物體顏色