Python将图像转换为使用较少的颜色答案

【问题标题】：Python converting an image to use less colorsPython将图像转换为使用较少的颜色
【发布时间】：2018-06-21 17:19:51
【问题描述】：

我想拍摄一张图像并（以某种方式）将其读取为像素数组。这意味着 2d 数组的每个元素将是表示该像素颜色的十六进制代码或 RGB 3 元组。

我研究了图像处理并找到了 Pillow 或 SciPy 之类的东西，但我只发现了过于简单的东西，例如添加过滤器或更改图像的一般颜色属性（通过将 read 和 blue 值相乘使其通常更绿）每个像素乘以 0.3 - 0.5，同时将绿色值乘以 1，有效地保持相同）。我需要做的是能够根据颜色单独检查每个像素。

之后，我需要将图像转换为使用较少颜色的图像（例如 4 或 8）。我认为最好的方法是为这些所需的颜色定义一些“阈值”，当像素的颜色在定义的某个颜色范围内时，像素就会获得相应的颜色。

我也没有发现太多关于这方面的信息，无论是实际信息还是人们试图这样做。

我想询问有关此类问题的任何信息或资源： - 图书馆（图书馆）使用？ - 方法？（有没有针对这类问题广泛使用的算法？） - 我是否使用了错误的编程语言？（有没有提供这种功能但更易于使用的语言？）

任何形式的帮助或信息将不胜感激，在此先感谢您！

编辑：我发现this 问题是指获取像素的值，但我仍然需要将它们分成更少的颜色。

【问题讨论】：

根据我的经验，在使用颜色处理进行此类工作时，要获得好的结果可能非常棘手。我发现this 对这个主题很有用，我希望它能给你一些想法，作为你可以采取的方法
KMeans 聚类是一个可能的选择。
@TCouch 谢谢，这实际上对此事有所启发！步骤顺序实际上几乎正是我想要的。
scikit-learn 有一个教程/演示：link
@MaxPowers 我也想到了，实际上我最近做了一个相当详细的实现，但是 KMeans 需要在 2 个数据点之间定义明确的距离函数，正如 TCouch 给出的文章所述，在处理颜色时并不完全......可行。

标签： python python-3.x image-processing colors

【解决方案1】：

你所追求的是颜色量化。已经设计了几种算法，例如中值切割或流行度算法。它们允许您构建具有所需条目数的“最佳”颜色表。

这些方法在显卡昂贵的时代很流行，但在真彩色普及后就失去了名气。

作为颜色量化的补充，人们经常使用颜色抖动，这种方法可以恢复颜色渐变的一些平滑度并避免条带效应。

https://nl.mathworks.com/help/images/reduce-the-number-of-colors-in-an-image.html?requestedDomain=true

【讨论】：

【解决方案2】：

要使用的库（libraries）？

scikit-image 或 OpenCV 将是我的首选。

方法？（有没有针对这类问题广泛使用的算法？）

K-means clustering 是一种流行的颜色量化方法。

我是否使用了错误的编程语言？（有没有提供这种功能但更易于使用的？）

Python 可以说是完成这项任务的“最简单”的语言。

演示

考虑这张图片：

以下代码将颜色数量从 +500K 减少到仅 6 种：

import numpy as np
from skimage import io
from sklearn.cluster import KMeans

original = io.imread('https://i.stack.imgur.com/QCl8D.jpg')
n_colors = 6

arr = original.reshape((-1, 3))
kmeans = KMeans(n_clusters=n_colors, random_state=42).fit(arr)
labels = kmeans.labels_
centers = kmeans.cluster_centers_
less_colors = centers[labels].reshape(original.shape).astype('uint8')

io.imshow(less_colors)

这就是颜色量化图像的外观：

【讨论】：

在看到这个答案之前，我已经并行计算了 k-means 方法，但这正是我所希望的。谢谢！