【发布时间】：2011-05-24 13:18:48
【问题描述】：
我想从图像中获取最常见的颜色。我使用 Java，我希望拥有最主要的颜色。有没有 cbir java 库来做这个？
谢谢
【问题讨论】：
-
你所说的“主要”是什么意思？
-
图片中最常见的颜色？
【发布时间】：2011-05-24 13:18:48
【问题描述】：
您希望它有多准确？您可以使用 Bozhos 的方法并循环遍历整个图像，但这对于大图像可能会很慢。有 16777216 个可能的 RGB 值，在 Map 中为它们保留计数器并不是很有效。
另一种方法是使用getScaledInstance 重新采样图像以将其缩小到更小的版本，例如1x1 图像，然后使用getRGB 获取该像素的颜色。您可以尝试不同的重采样算法，例如 SCALE_REPLICATE 和 SCALE_AREA_AVERAGING，看看哪种算法最适合您。
【讨论】：
-
请注意，这种方法的结果与 Bozhos 的方法不同。在后者中，图像中最常出现的颜色是在您的方法试图找到类似“平均颜色”之类的东西时确定的——这是一个定义不明确的概念，但很明显，返回的颜色甚至可能不会出现在原始颜色的任何地方图片。我并不是说一种方法比另一种更好，我想原始发布者必须澄清他/她在寻找什么。
-
是的，我明白这一点，因此我问需要多少准确度。如果您使用
ReplicateScaleFilter，您将获得一种出现在原始图像中的颜色，因为它“省略了像素行和列以按比例缩小”。它不会像AreaAveragingScaleFilter那样做任何“混合”。 -
你从哪里得到 16581375 的号码？如果我们谈论的是每个通道 8 位，则有 2^24 = 16777216 个可能的 RGB 值。
感谢您的回答。这是 Bozho 方法的一个实际例子。它还会过滤掉白色/灰色/黑色。
import java.awt.image.BufferedImage;
import java.io.File;
import java.util.Collections;
import java.util.Comparator;
import java.util.HashMap;
import java.util.Iterator;
import java.util.LinkedList;
import java.util.List;
import java.util.Map;
import javax.imageio.ImageIO;
import javax.imageio.ImageReader;
import javax.imageio.stream.ImageInputStream;
public class ImageTester {
public static void main(String args[]) throws Exception {
File file = new File("C:\\Users\\Andrew\\Desktop\\myImage.gif");
ImageInputStream is = ImageIO.createImageInputStream(file);
Iterator iter = ImageIO.getImageReaders(is);
if (!iter.hasNext())
{
System.out.println("Cannot load the specified file "+ file);
System.exit(1);
}
ImageReader imageReader = (ImageReader)iter.next();
imageReader.setInput(is);
BufferedImage image = imageReader.read(0);
int height = image.getHeight();
int width = image.getWidth();
Map m = new HashMap();
for(int i=0; i < width ; i++)
{
for(int j=0; j < height ; j++)
{
int rgb = image.getRGB(i, j);
int[] rgbArr = getRGBArr(rgb);
// Filter out grays....
if (!isGray(rgbArr)) {
Integer counter = (Integer) m.get(rgb);
if (counter == null)
counter = 0;
counter++;
m.put(rgb, counter);
}
}
}
String colourHex = getMostCommonColour(m);
System.out.println(colourHex);
}
public static String getMostCommonColour(Map map) {
List list = new LinkedList(map.entrySet());
Collections.sort(list, new Comparator() {
public int compare(Object o1, Object o2) {
return ((Comparable) ((Map.Entry) (o1)).getValue())
.compareTo(((Map.Entry) (o2)).getValue());
}
});
Map.Entry me = (Map.Entry )list.get(list.size()-1);
int[] rgb= getRGBArr((Integer)me.getKey());
return Integer.toHexString(rgb[0])+" "+Integer.toHexString(rgb[1])+" "+Integer.toHexString(rgb[2]);
}
public static int[] getRGBArr(int pixel) {
int alpha = (pixel >> 24) & 0xff;
int red = (pixel >> 16) & 0xff;
int green = (pixel >> 8) & 0xff;
int blue = (pixel) & 0xff;
return new int[]{red,green,blue};
}
public static boolean isGray(int[] rgbArr) {
int rgDiff = rgbArr[0] - rgbArr[1];
int rbDiff = rgbArr[0] - rgbArr[2];
// Filter out black, white and grays...... (tolerance within 10 pixels)
int tolerance = 10;
if (rgDiff > tolerance || rgDiff < -tolerance)
if (rbDiff > tolerance || rbDiff < -tolerance) {
return false;
}
return true;
}
}
【讨论】：
-
通过迭代每个像素看起来像是一种昂贵的方式。 5MP 照片很容易死
-
如果图片很大，先调整大小。
如果您将图像视为一个大的线性像素阵列，然后您所要做的就是对它进行排序怎么办？排序后，您可以计算相同值的最长部分。
【讨论】：
根据您需要颜色值的精确程度，您可能需要考虑收集相似颜色的“颜色桶”以避免内存问题。这意味着将颜色空间划分为颜色的“间隔”，其中足够相似（即靠近在一起）的所有颜色都被视为相同颜色。通过更改间隔大小，您可以直接在准确性和内存消耗之间进行权衡。
编辑：你想要的基本上是一个直方图（去查一下）。很可能有成熟的标准解决方案可以有效地计算其中之一。
【讨论】：
-
是的，只需计算可以快速递增的每种颜色（很容易将颜色值用作整数数组的索引）。该数组将小于正在分析的图像，并且在大多数（所有？）编程语言中递增一个整数非常便宜。
您可以循环BufferedImage（两个循环 - 一个从 0 到宽度，一个从 0 到高度），然后调用 getRgb(x, y)。然后计算每个不同的值。您可以为此使用 Map（键 = 颜色，值 = 出现次数）。
【讨论】：
-
真的吗？最多可以有 16,581,375 种颜色。
-
是的。可能只是我的电脑，但在我的地图中有大约 400 万种颜色后，我得到了 OOM。
我会计算每个像素的色调，然后计算每个色调的基数（创建一个直方图）。也许按饱和度加权。然后，应用低通滤波器，并找到最大值。最后从色调转换回 RGB。
这假设如果您只有图像的红色平面，您希望结果是“红色”，而不是某种粉红色。
【讨论】：
Andrew Dyster 代码运行良好，在 android 中快速响应
import java.util.Collections;
import java.util.Comparator;
import java.util.HashMap;
import java.util.LinkedList;
import java.util.List;
import java.util.Map;
import android.graphics.Bitmap;
public class ImageTester {
public interface ImageColor {
void onImageColor(int r, int g, int b);
}
@SuppressWarnings({ "unchecked", "rawtypes" })
public static void getMostCommonColour(final Bitmap image,
final ImageColor heColor) {
new Thread(new Runnable() {
private int rgb;
@Override
public void run() {
int height = image.getHeight();
int width = image.getWidth();
Map m = new HashMap();
int boderWid = width / 4;
int borderHeigh = height / 4;
for (int i = boderWid; i < width - boderWid;) {
for (int j = borderHeigh; j < height - borderHeigh;) {
try {
rgb = image.getPixel(i, j);
} catch (Exception e) {
continue;
}finally{
i += 20;
j += 20;
}
int[] rgbArr = getRGBArr(rgb);
// Filter out grays....
if (!isGray(rgbArr)) {
Integer counter = (Integer) m.get(rgb);
if (counter == null)
counter = 0;
counter++;
m.put(rgb, counter);
}
}
}
List list = new LinkedList(m.entrySet());
Collections.sort(list, new Comparator() {
public int compare(Object o1, Object o2) {
return ((Comparable) ((Map.Entry) (o1)).getValue())
.compareTo(((Map.Entry) (o2)).getValue());
}
});
Map.Entry me = (Map.Entry) list.get(list.size() - 1);
int[] rgb = getRGBArr((Integer) me.getKey());
heColor.onImageColor(rgb[0], rgb[1], rgb[2]);
}
}).start();
}
public static int[] getRGBArr(int pixel) {
int red = (pixel >> 16) & 0xff;
int green = (pixel >> 8) & 0xff;
int blue = (pixel) & 0xff;
return new int[] { red, green, blue };
}
public static boolean isGray(int[] rgbArr) {
int rgDiff = rgbArr[0] - rgbArr[1];
int rbDiff = rgbArr[0] - rgbArr[2];
int tolerance = 10;
if (rgDiff > tolerance || rgDiff < -tolerance)
if (rbDiff > tolerance || rbDiff < -tolerance) {
return false;
}
return true;
}
}
【讨论】：