如何修復錯誤

導致此錯誤的原因有兩個：

>文件名拼寫錯誤.

>圖像文件不在當前工作目錄中.

要解決此問題,您應確保文件名拼寫正確(以大小寫敏感檢查)并且映像文件位于當前工作目錄中(此處有兩個選項：您可以更改IDE中的當前工作目錄或指定文件的完整路徑).

平均顏色與主色

然后要計算“平均顏色”,你必須決定你的意思.在灰度圖像中,它只是圖像中灰度級的平均值,但是顏色沒有“平均值”.實際上,顏色通常通過三維矢量表示,而灰度級是標量.平均標量很好,但平均向量沒有意義.

將圖像分離為其色彩分量并獲取每個分量的平均值是一種可行的方法.然而,這種方法可能產生無意義的顏色.您可能真正想要的是主色而不是平均色.

履行

我們慢慢來看看代碼吧.我們首先導入必要的模塊并閱讀圖像：

import cv2

import numpy as np

from skimage import io

img = io.imread('https://i.stack.imgur.com/DNM65.png')[:, :, :-1]

然后我們可以按照類似于@Ruan B提出的方法計算每個色度通道的平均值：

average = img.mean(axis=0).mean(axis=0)

接下來,我們應用k-means clustering來創建具有最具代表性的圖像顏色的調色板(在此玩具示例中,n_colors設置為5).

pixels = np.float32(img.reshape(-1, 3))

n_colors = 5

criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 200, .1)

flags = cv2.KMEANS_RANDOM_CENTERS

_, labels, palette = cv2.kmeans(pixels, n_colors, None, criteria, 10, flags)

_, counts = np.unique(labels, return_counts=True)

最后,主色是在量化圖像上最常出現的調色板顏色：

dominant = palette[np.argmax(counts)]

比較結果

為了說明兩種方法之間的差異,我使用了以下示例圖像：

所獲得的平均顏色值,即其分量是三個色度通道的平均值的顏色,以及通過k均值聚類計算的主色顏色是相當不同的：

In [30]: average

Out[30]: array([91.63179156, 69.30190754, 58.11971896])

In [31]: dominant

Out[31]: array([179.3999 , 27.341282, 2.294441], dtype=float32)

讓我們看看這些顏色如何更好地理解兩種方法之間的差異.在下圖的左側部分顯示平均顏色.很明顯,計算出的平均顏色沒有恰當地描述原始圖像的顏色含量.實際上,原始圖像中沒有一個像素具有該顏色.圖的右側部分顯示了按重要性(出現頻率)的降序從上到下排序的五種最具代表性的顏色.這個調色板顯然主色是紅色,這與原始圖像中最大的均勻顏色區域對應紅色樂高片的事實是一致的.

這是用于生成上圖的代碼：

import matplotlib.pyplot as plt

avg_patch = np.ones(shape=img.shape, dtype=np.uint8)*np.uint8(average)

indices = np.argsort(counts)[::-1]

freqs = np.cumsum(np.hstack([[0], counts[indices]/counts.sum()]))

rows = np.int_(img.shape[0]*freqs)

dom_patch = np.zeros(shape=img.shape, dtype=np.uint8)

for i in range(len(rows) - 1):

dom_patch[rows[i]:rows[i + 1], :, :] += np.uint8(palette[indices[i]])

fig, (ax0, ax1) = plt.subplots(1, 2, figsize=(12,6))

ax0.imshow(avg_patch)

ax0.set_title('Average color')

ax0.axis('off')

ax1.imshow(dom_patch)

ax1.set_title('Dominant colors')

ax1.axis('off')

plt.show(fig)

TL; DR回答

總之,盡管計算平均顏色 – 如@Ruan B.的答案中所提出的 – 從數學角度來看在技術上是正確的,但是產生的結果可能不足以代表圖像的顏色內容.更明智的方法是通過矢量量化(聚類)確定主色.

總結

以上是生活随笔為你收集整理的opencv python3 找图片色块_如何使用OpenCV在Python中找到图像的平均颜色？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。