使用OpenCV如何从图像中获取颜色调色板

Question

使用OpenCV如何从图像中获取颜色调色板

c++opencvvisual-c++opencv3.0

8

我想提取一张图片的调色板，类似于这个例子（来自这里）：

我需要它提取特定的颜色，比如黄色、绿色和棕色，并显示该颜色覆盖区域的百分比。此外，我可以添加更多要提取的颜色。

如何减少原始图像中的颜色数量，以及如何获取颜色调色板？

- MisterAverageDeveloper

3

"黄色" 不是一个具体的颜色。 #7F1D33 是具体且罕见的一种颜色。 - MSalters

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Miki · Accepted Answer

这里有三个不同的事情正在进行。

减少图像的颜色数量
获取图像的不同颜色
获取颜色的名称

减少颜色数量

有许多技术可以减少颜色数量。在这里您可以看到如何使用颜色量化和kmeans。

另一种方法可以使用中位数剪切算法（此处未显示）。

OpenCV提供了非真实感渲染模块。在这里您可以查看如何使用它的一些示例。

获取图像的不同颜色

这很容易。只需遍历整个图像。如果你看到一个新的颜色，存储它的值，并将计数器设置为1。如果你看到一个已经存在的颜色，则增加它的计数器。在这里，std::map 可能会有用。

获取颜色名称

我不会在这里展示它。但是在网上有一些有用的资源。你需要一个所有命名颜色的列表。请记住，并非每种颜色都有名称。事实上，RGB 值的所有可能颜色都将是 256*256*256。因此，在你的列表中找到最接近的颜色，并将其名称分配给当前颜色。

例如，对于这个输入图像，

使用 kmeans 方法，我得到了 降低颜色 的图像：

它的调色板是：

Color: [14, 134, 225]    - Area: 5.28457%
Color: [16, 172, 251]    - Area: 27.3851%
Color: [22, 68, 101]     - Area: 3.41029%
Color: [28, 154, 161]    - Area: 3.89029%
Color: [40, 191, 252]    - Area: 22.3429%
Color: [87, 204, 251]    - Area: 8.704%
Color: [161, 222, 251]   - Area: 3.47429%
Color: [253, 255, 255]   - Area: 25.5086%

现在你可以搜索列表中最接近的颜色名称，然后你将得到你需要的结果。如何组织GUI以展示这些信息由你决定：数据都在那里。

代码：

#include <opencv2\opencv.hpp>
#include <opencv2\photo.hpp>
#include <iostream>
#include <map>

using namespace cv;
using namespace std;

// https://dev59.com/JlsW5IYBdhLWcg3wqYp7#34734939
void reduceColor_Quantization(const Mat3b& src, Mat3b& dst)
{
    uchar N = 64;
    dst = src / N;
    dst *= N;
}

// https://dev59.com/JlsW5IYBdhLWcg3wqYp7#34734939
void reduceColor_kmeans(const Mat3b& src, Mat3b& dst)
{
    int K = 8;
    int n = src.rows * src.cols;
    Mat data = src.reshape(1, n);
    data.convertTo(data, CV_32F);

    vector<int> labels;
    Mat1f colors;
    kmeans(data, K, labels, cv::TermCriteria(), 1, cv::KMEANS_PP_CENTERS, colors);

    for (int i = 0; i < n; ++i)
    {
        data.at<float>(i, 0) = colors(labels[i], 0);
        data.at<float>(i, 1) = colors(labels[i], 1);
        data.at<float>(i, 2) = colors(labels[i], 2);
    }

    Mat reduced = data.reshape(3, src.rows);
    reduced.convertTo(dst, CV_8U);
}

void reduceColor_Stylization(const Mat3b& src, Mat3b& dst)
{
    stylization(src, dst);
}

void reduceColor_EdgePreserving(const Mat3b& src, Mat3b& dst)
{
    edgePreservingFilter(src, dst);
}


struct lessVec3b
{
    bool operator()(const Vec3b& lhs, const Vec3b& rhs) const {
        return (lhs[0] != rhs[0]) ? (lhs[0] < rhs[0]) : ((lhs[1] != rhs[1]) ? (lhs[1] < rhs[1]) : (lhs[2] < rhs[2]));
    }
};

map<Vec3b, int, lessVec3b> getPalette(const Mat3b& src)
{
    map<Vec3b, int, lessVec3b> palette;
    for (int r = 0; r < src.rows; ++r)
    {
        for (int c = 0; c < src.cols; ++c)
        {
            Vec3b color = src(r, c);
            if (palette.count(color) == 0)
            {
                palette[color] = 1;
            }
            else
            {
                palette[color] = palette[color] + 1;
            }
        }
    }
    return palette;
}


int main()
{
    Mat3b img = imread("path_to_image");

    // Reduce color
    Mat3b reduced;

    //reduceColor_Quantization(img, reduced);
    reduceColor_kmeans(img, reduced);
    //reduceColor_Stylization(img, reduced);
    //reduceColor_EdgePreserving(img, reduced);


    // Get palette
    map<Vec3b, int, lessVec3b> palette = getPalette(reduced);

    // Print palette
    int area = img.rows * img.cols;

    for (auto color : palette)
    {
        cout << "Color: " << color.first << " \t - Area: " << 100.f * float(color.second) / float(area) << "%" << endl;
    }

    return 0;
}