如何像谷歌那样量化图像中的颜色（有点）？答案

【问题标题】：How to quantify colors in an image like Google does (somewhat)?如何像谷歌那样量化图像中的颜色（有点）？
【发布时间】：2019-09-21 03:59:41
【问题描述】：

我已经搜索了很长时间，我想知道你们中是否有人有某种资源或某种算法的知识，可以拍摄图像并返回最重要颜色的百分比图片。但不是任何颜色，我想让百分比与 12 种颜色的预定义常量调色板相匹配（与您在谷歌图像搜索中用于排序的相同）。

但是，我制作的脚本在某种意义上是有效的，它获得了最现成的颜色，但不一定是最重要的。

例如，以这张第一个黑洞的图像为例。它大多只有黑色，带有一些红色/白色/黄色/棕色的污迹。但是在比例上，仅检查它们的数量，它们几乎被认为是什么。

示例：红色 = 1%，黄色 = 3%，黑色 = 96%（不是精确值，但准确）。

问题在于，尽管它们的数量不是最多的，但它们显然是图像中的主要颜色，就人眼如何看待它们而言。有没有一种算法或技术？感谢您的阅读。

【问题讨论】：

这是一个非常复杂的话题，在图像处理中。我认为我们无法给出完整的答案（太长了）。简短的回答：您检测主题，然后删除背景。每个图像的大部分都是背景，所以没有用。问题：通常有不同的背景（草坪、灌木、天空，只是在简单的情况下、房子、窗户、门、汽车、草坪……）。跨度>
这真的是一个非常复杂的问题，我建议您将这个问题划分成几十个问题，当且仅当您需要从 stack-over 中获得答案时-流。
是的：P。这就是为什么我问是否有任何资源或文章或任何关于此的在线内容。我一直在搜寻，没有发现任何适合的。没有人可以在这里完整地回答。

标签： php image algorithm colors color-space

【解决方案1】：

假设您的图像具有 WxH 分辨率。

你说你有一个 12 种颜色的调色板。

为了制定一种算法，根据颜色在图像中的出现程度对颜色进行排序，您可以创建 3 个变量：

图像中有效颜色的全局计数器counter；
长度等于调色板大小的频率数组；
代表调色板的颜色数组。

可能的算法是：

for(int i = 0; i < W; i++){
    for(int j = 0; j < H; j++){
        Color dif = new Color(255, 255, 255, 1);
        Color currDif;
        int minIndex = -1;
        for(int k = 0; k < palette.length; k++){
            currDif = palette[k] - image[i][j];
            if(dif > currDif){
                dif = currDif;
                minIndex = k;
            }
        }
        if( CloseEnough(dif, palette[minIndex]) ){
            frequency[minIndex]++;
            counter++;
        }
    }
}

然后，要验证百分比，可以：

for(int i = 0; i < 12; i++){
    print("Color i appears (Palette[i] / counter) %");
}

我考虑过如果你发现一种颜色与调色板中的任何颜色都不够接近，你会忽略它，但显然你可以通过简单地增加 counter 来考虑它，所以这些颜色会是剩下的百分比。

函数CloseEnough 和< 由您选择，但它们可以像这样工作：

bool CloseEnough(Color c1, Color c2){
    return abs(c1.r - c2.r) < 30 && abs(c1.g - c2.g) < 30 && abs(c1.b - c2.b) < 30;
    //note that 30 can be quite small
    //this value can be modified based on testing and result quality
}

//the closer to black a color is, the smaller it will be
bool < (Color c1, Color c2){
    return (c1.r + c1.g + c1.b) < (c2.r + c2.b + c2.g);
}

可能有更好的解决方案，但希望对您有所帮助。

【讨论】：