Python，OpenCV，K-Means聚類查找圖像中最主要的顏色

• • 1. K-Means是什么？
  • 2. 步驟
  • 3. 效果圖
  • 4. 源代碼
  • 參考

對于肉眼來說，從一幅圖中識別出主要顏色很容易。那怎么用算法提取出一幅圖像中最主要的顏色呢？

在這篇博客文章中，我將向您展示如何使用OpenCV，Python和K-means對RGB像素強度進行聚類以找到圖像中最主要的顏色。

1. K-Means是什么？

• K均值是一種聚類算法，可基于n個數據點生成k個聚類；
• 聚簇數 k 必須提前指定；
• 每個簇的平均值稱為其“質心”或“中心”；
• 通常，聚簇數量較少（k <= 5）可獲得最佳效果；
• K-Means返回

總體而言，應用k均值會產生原始n個數據點的k個單獨的簇。與屬于其他群集的數據點相比，特定群集內的數據點被認為彼此“更相似”。

在我們的案例中，我們將對RGB圖像的像素強度進行聚類。給定一個MxN大小的圖像，因此我們有MxN個像素，每個像素都由三個分量組成：紅色，綠色和藍色。

我們將這些MxN像素視為我們的數據點，并使用k均值對其進行聚類。屬于給定群集的像素的顏色將比屬于單獨群集的像素的顏色更相似。

k均值的一個缺點是，我們需要提前指定要生成的簇數。有一些算法可以自動選擇k的最佳值。

2. 步驟

（1）加載圖像，BGR轉RGB；
（2）K-Means均值對RGB像素進行聚類查找圖像中最主要的顏色；
（3）根據K-Means結果歸一化計算百分比，按百分比繪制占比及顏色；

3. 效果圖

分3個聚簇效果圖：

分5個聚簇效果圖：

通常，聚簇數量較少（k <= 5）可獲得最佳效果；

4. 源代碼

# python color_kmeans.py --image images/cactus.jpg --clusters 3
# 導入必要的包
import argparseimport cv2
import matplotlib.pyplot as plt
import numpy as np
from sklearn.cluster import KMeansdef centroid_histogram(clt):# 獲取不同聚簇的個數，根據每個聚簇的像素數生成直方圖# k均值算法將圖像中的每個像素分配給最近的聚類。numLabels = np.arange(0, len(np.unique(clt.labels_)) + 1)(hist, _) = np.histogram(clt.labels_, bins=numLabels)# 對直方圖進行歸一化，使得總和為1hist = hist.astype("float")hist /= hist.sum()# 返回直方圖return hist# plot_colors函數需要兩個參數：
# hist，它是從centroid_histogram函數生成的直方圖；
# centroids，是由k-means算法生成的質心（集群中心）的列表。
def plot_colors(hist, centroids):# 初始化代表相對頻率的每種顏色的條形圖# 定義了一個300×50像素的矩形，以容納圖像中最主要的顏色bar = np.zeros((50, 300, 3), dtype="uint8")startX = 0# 遍歷每一個聚簇的百分比及顏色for (percent, color) in zip(hist, centroids):# 繪制每一聚簇的相對百分比endX = startX + (percent * 300)cv2.rectangle(bar, (int(startX), 0), (int(endX), 50),color.astype("uint8").tolist(), -1)startX = endX# 返回條形圖return bar# 構建命令行參數和解析
# --image 原始圖像路徑
# --clusters 期望生成的簇數
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True, help="Path to the image")
ap.add_argument("-c", "--clusters", required=True, type=int,help="# of clusters")
args = vars(ap.parse_args())# 加載圖像，轉換BGR-->RGB 以在matplotlib展示
image = cv2.imread(args["image"])
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)# 展示圖像
plt.figure()
plt.axis("off")
plt.imshow(image)# 將NumPy數組重塑為RGB像素列表
image = image.reshape((image.shape[0] * image.shape[1], 3))# 使用scikit-learn中的K-means實現來避免重新實現該算法
# 使用K-means查找圖像中最主要的顏色
# 使用期望獲取的聚簇數，初始化局KMeans類，調用fit()方法將像素列表聚集在一起
clt = KMeans(n_clusters=args["clusters"])
clt.fit(image)# 構建聚簇直方圖
# 建立圖表以代表每一種顏色所對應的像素數
hist = centroid_histogram(clt)
bar = plot_colors(hist, clt.cluster_centers_)# 展示顏色條形圖
plt.figure()
plt.axis("off")
plt.imshow(bar)
plt.show()

參考

https://www.pyimagesearch.com/2014/05/26/opencv-python-k-means-color-clustering/

總結

以上是生活随笔為你收集整理的使用Python，OpenCV，K-Means聚类查找图像中最主要的颜色的全部內容，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。