從圖像numpy數組中關於飽和度和值的色調值計算顏色可見度

對於一個有趣的項目，我想分析一些圖像，尤其是哪些顏色（色調）比其他顏色更明顯。由於我想要考慮顏色的「可見度」，因此只需計算像素的色調是不夠的（例如，完美的黑色會計爲紅色，因爲其色調爲0°）。我想出了一個適合我的項目的IMO公式。從圖像numpy數組中關於飽和度和值的色調值計算顏色可見度

目前我執行以下操作：

與OpenCV中讀出的圖像（在BGR numpy的陣列結果）
轉換圖像以HSV
對於每個像素，計算其色調的可見性（從飽和度和值），並在一個色調的字典中加以總結。

該公式是。因此，全紅RGB=255,0,0; HSV=0,1,1會導致1，而例如，淺紅色RGB=255,128,128; HSV=0,0.5,1將導致0.70。

這裏是（完整的工作）的代碼，我使用：

import urllib 
import cv2 
import numpy as np 

url = 'https://upload.wikimedia.org/wikipedia/commons/thumb/0/02/Leuchtturm_in_Westerheversand_crop.jpg/299px-Leuchtturm_in_Westerheversand_crop.jpg' 
image = np.asarray(bytearray(urllib.urlopen(url).read()), dtype="uint8") 
image = cv2.imdecode(image, cv2.IMREAD_COLOR) 

d = {} 
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV) 
pixels = hsv.reshape((hsv.shape[0] * hsv.shape[1], 3)) 
for h,s,v in pixels: 
    d[h] = d.get(h, 0.) + (s/255. * v/255.) ** 0.5

正如你可能已經猜到，代碼得到真正當圖像具有更多的像素放緩。

我的問題是，如何在沒有字典和for-loop的情況下計算我的公式？也許直接與numpy？

來源

2017-05-24 sphere

你正在尋找神奇的是在np.bincount，因爲它使用h值作爲箱轉換相當平直向前到糊塗的版本 -

H,S,V = pixels.T 
d_arr = np.bincount(H, ((S/255.0) * (V/255.0))**0.5)

注意，合成陣列可能有元素具有零價值計數

來源

2017-05-24 22:16:35 Divakar

謝謝，是的，我是新來的numpy，不知道要搜索什麼。非常感謝:) – sphere

@sphere應該提到'bincount'超級快。所以，要準備好被吹走:) – Divakar

事實上，一切都與numpy。即使在閱讀'bincount'的文檔後，我也不會知道它可以像這樣使用... – sphere

從圖像numpy數組中關於飽和度和值的色調值計算顏色可見度

回答

相關問題