使用OpenCV按颜色对像素进行排序

Question

我开始一个有关检测的项目。 我的想法是对一幅图像（Mat）中的每个像素进行排名。 然后，我将能够确定哪种颜色是主导的。

困难在于，某种颜色并不唯一。例如，绿色是rgb（0，255，0），但也几乎是rgb（10，240，20）。

我的排名目标是找出几乎相同颜色的像素。然后，通过百分比，我认为我可以定位我的对象。

因此，我的问题是：是否有一种方法按颜色对像素进行排名？

非常感谢您的回答。

- Stalyon

---

你是想在图像中找到一个物体吗？如果你能展示一下你的图像，那会是一个好主意。 - Mark Setchell

一张静止的画面可以告诉我们关于物体的大小、形状、质地、颜色、光线或背景的重要信息... - Mark Setchell

@William：我尝试使用直方图，但并不完全符合我的要求。我将继续使用23PointsNorth提出的解决方案2。 - Stalyon

@MarkSetchell: 实际上，我想在视频中识别鱼类。水族馆里大约有 6/7 条鱼，目标是当我们点击它时能够识别出哪一条鱼。 - Stalyon

我想过这个，但是有光线反射和小波浪。所以我不确定背景减法在这里是否有效，你觉得呢？ - Stalyon

Answer 1

没有一种直接的方法对像素颜色进行排名，但是你可以找到最显著的近似值。

有几种方法可以做到这一点：

1. 你可以为每种颜色通道计算直方图 - 分割成 R、G、B 并计算直方图。然后你可以看到结果图形的峰值在哪里。
2. 如果你以 k-means 聚类图像中的像素 - 换句话说，将每个像素表示为具有坐标 (R、G、B) 的 3D 点。那么你可以将像素分成出现次数最多的 k 种颜色。
3. 如果你将图像调整大小为 1x1 像素图像，则可以找到所有像素值的平均值。如果有一种主导颜色，在这种情况下大多数像素相互接近，它会给出一个很好的近似值。

然而，这些都是近似值。你最好的选择是使用 k-means，并找到元素最多或最密集的聚类。

如果您正在寻找一种定位具有特定颜色的对象的方法，可以使用最大似然估计。这类似于这个，它被用于从卫星图像中分类不同的物体，如草地、汽车、建筑和人行道。您可以使用单一颜色，并得到一个热力图，显示对象在可能性方面（即该像素属于您的对象的概率百分比）的位置。

- 23pointsNorth

---

点2是我可以探索的非常好的方法。谢谢23pointsNorth！问题是有时候我需要退出几种颜色（它们是主导的）。 - Stalyon

能否深入解释一下您提到的第二点？我尝试了一些方法，但处理一张120x75的图像需要7秒左右，速度太慢了。 - Stalyon

@Stalyon，我有一些演示，稍后会附上一些简短的说明链接。这不应该花费太多时间。即使对于VGA（640x480），它通常也可以快速运行。 - 23pointsNorth

我对此很感兴趣。 - Stalyon

Answer 2

在普通的图像中，涉及到许多颜色。为了更好地平均携带几乎相同颜色的像素，可以使用颜色量化来减少图像中的颜色数量，使用K-mean聚类等技术实现。这里可以通过Python代码进行最佳解释：

https://www.pyimagesearch.com/2014/07/07/color-quantization-opencv-using-k-means-clustering/

在成功量化之后，您只需尝试以下代码，根据图像中颜色的频率对其进行排名。

top_n_colors = []
n = 3
colors_count = {}
(channel_b, channel_g, channel_r) = cv2.split(_processed_image)

# Flattens the 2D single channel array so as to make it easier to iterate over it
channel_b = channel_b.flatten()
channel_g = channel_g.flatten()
channel_r = channel_r.flatten()

for i in range(len(channel_b)):
    RGB = str(channel_r[i]) + " " + str(channel_g[i]) + " " + str(channel_b[i])
    if RGB in colors_count:
        colors_count[RGB] += 1
    else:
        colors_count[RGB] = 1

# taking the top n colors from the dictionary objects
_top_colors = sorted(colors_count.items(), key=lambda x: x[1], reverse=True)[0:n]
for _color in _top_colors:
    _rgb = tuple([int(value) for value in _color[0].split()])
    top_n_colors.append(_rgb)

print(top_n_colors)

- Nouman Ahsan