确定图像中最常出现的颜色（OpenCV 和 C++）答案

【问题标题】：Determine the most frequently occurring color within an image (OpenCV & C++)确定图像中最常出现的颜色（OpenCV 和 C++）
【发布时间】：2018-03-21 05:20:00
【问题描述】：

假设我有以下图片：

我正在寻找一种以编程方式确定红色是图片中最常见颜色的方法。

到目前为止，我已经尝试了几种方法，但结果很差，很糟糕。我目前的做法是先减少图像中的颜色。

这是通过以下代码完成的：

Mat samples(src.rows * src.cols, 3, CV_32F);
for( int y = 0; y < src.rows; y++ )
for( int x = 0; x < src.cols; x++ )
for( int z = 0; z < 3; z++)
samples.at<float>(y + x * src.rows, z) = src.at<Vec3b>(y,x)[z];

int clusterCount = 16;
Mat labels;
int attempts = 2;
Mat centers;
kmeans(samples, clusterCount, labels, TermCriteria(CV_TERMCRIT_ITER|CV_TERMCRIT_EPS, 10000, 0.0001), attempts, KMEANS_PP_CENTERS, centers );

Mat reduced( src.size(), src.type() );
for( int y = 0; y < src.rows; y++ )
for( int x = 0; x < src.cols; x++ )
{
    int cluster_idx = labels.at<int>(y + x * src.rows,0);
    reduced.at<Vec3b>(y,x)[0] = centers.at<float>(cluster_idx, 0);
    reduced.at<Vec3b>(y,x)[1] = centers.at<float>(cluster_idx, 1);
    reduced.at<Vec3b>(y,x)[2] = centers.at<float>(cluster_idx, 2);
}

它有一个令人讨厌的问题，它的缩放问题会遗漏一部分权利，但我现在可以忍受。

接下来，我尝试了一些方法来绘制颜色，例如使用直方图。

Mat image_hsv;

cvtColor(src, image_hsv, CV_BGR2HSV);

// Quanta Ratio
int scale = 10;

int hbins = 36, sbins = 25, vbins = 25;
int histSize[] = {hbins, sbins, vbins};

float hranges[] = { 0, 360 };
float sranges[] = { 0, 256 };
float vranges[] = { 0, 256 };

const float* ranges[] = { hranges, sranges, vranges };
MatND hist;

int channels[] = {0, 1, 2};

calcHist( &image_hsv, 1, channels, Mat(), // do not use mask
         hist, 3, histSize, ranges,
         true, // the histogram is uniform
         false );

int maxVal = 0;

int hue = 0;
int saturation = 0;
int value = 0;

for( int h = 0; h < hbins; h++ )
for( int s = 0; s < sbins; s++ )
for( int v = 0; v < vbins; v++ )
{
    int binVal = hist.at<int>(h, s, v);
    if(binVal > maxVal)
    {
        maxVal = binVal;

        hue = h;
        saturation = s;
        value = v;
    }
}

hue = hue * scale * scale; // angle 0 - 360
saturation = saturation * scale; // 0 - 255
value = value * scale; // 0 - 255

问题是，对于这张图片，我得到以下值：

色相：240
饱和度：0
值：0

但是，我希望 HSV 值更接近这个：

色相：356
饱和度：94
价值：58

希望有人能指出我哪里出错了。

【问题讨论】：

懒得分析您的代码，但只是提示您测试您是否正确处理图像像素格式？我敢打赌你得到 RGB 并将其作为 BGR 处理，反之亦然，因为色调 240 是蓝色而不是红色（我习惯于 GDI/Canvas 通常具有与某些像素格式的原始图像数据相反的通道顺序）但是 S ,V 设置为零确实很奇怪。也看看这个：HSV histogram
只是好奇，如何使用calcHist 计算颜色直方图并找到峰值？当然，不是用 HSV 值来回答你的问题。 calcHist 将比 kmeans 快得多。
@dhanushka 速度取决于颜色直方图的实现、箱数等......因此它可能不一定比具有相同精度的 k-means 快。但是是的，我也会使用直方图，这就是为什么我建议在之前的评论中使用链接，因为我的 C++ 实现可以进行 RGB -> HSV 转换、计算和渲染 HSV 直方图（没有 openCV）

标签： c++ opencv image-processing colors

【解决方案1】：

这确实是计算机图形学中的经典问题。仅仅从字面上找到最常见的颜色 wrt 直方图并不是一个好主意，令人惊讶的是，您可能会发现它是黄色/绿色而不是红色的阴影，因为“红色”的值包含变化并且几乎不会落在同一个直方图箱中.

适当的算法基于最小二乘。您需要找到一种“距离”平方和最小的颜色。您可以将平方距离定义为 dr^2+dg^2+db^2（r/b/g 代表红色/绿色/蓝色分量），或者您可以使用权重来反映对这些分量的不同敏感性。你也可以用不同的基础来表示它（即 yuv 等）

如果您在实现最小二乘方面需要帮助，请写在 cmets 中。

更新：

在您的情况下，最小二乘的解只是直方图给出权重的平均值水平。

结果 = sum(n * hist[n]) / sum(hist[n])。

请注意，此公式适用于每个颜色分量，即它们是独立的。

【讨论】：