颜色检测算法 - 我应该怎么做？答案

【问题标题】：Color detection algorithm - How should I do this?颜色检测算法 - 我应该怎么做？
【发布时间】：2011-03-18 03:50:43
【问题描述】：

我在设计颜色检测系统方面有点卡住 - 我不太想办法轻松做到这一点。

-

基本上，我有一个图像库，我想按颜色排序。因此，如果用户指定“按蓝色排序”，那么蓝色最多的图像将出现在结果的顶部，而蓝色最少的图像将出现在底部。

问题是图像不都是一种颜色，所以它同时做两件事：

1 - 找到图像中最蓝的部分
2 - 对该蓝色进行排名（基于色调和该颜色的数量）。

我尝试了大约 3 或 4 种不同的方法，但结果各不相同 - 但没有一种效果很好，其中 2 种是相当数学的算法（它们在纸上的效果都比在实践中好得多哈哈）。

-

我可以通过哪些不同的方式来处理整个过程？我可能错过了一些非常明显的方法 - 任何帮助或想法将不胜感激:)

-

编辑：感谢所有回复 - 这是我迄今为止尝试过的：

获取整个图像的平均 rgb 值并将其与蓝色进行比较。使用归一化 rgb 3 空间向量进行比较并找出它们之间的距离。这效果最差，没有蓝色的图像很容易出现在具有部分非常强烈的蓝色的图像之上。
找到主要颜色并将其与蓝色进行比较（再次使用 3 个空间矢量距离）。这不起作用，因为图像中可能有一个大的蓝色部分不是主要颜色部分中最多（或顶部一对）的部分。
找到接近蓝色的像素，对所有这些像素进行平均并将结果与实际蓝色进行比较。
查找所有接近蓝色的像素，增加计数并根据计数/总像素查找百分比。

【问题讨论】：

标签： c++ algorithm colors detection

【解决方案1】：

想到两个想法：

便宜的版本：将图像转换为 HSV 颜色空间，并为每个像素计算 cos(H - target_hue) 或合理的近似值（对于蓝色，target_hue 将是 240 度），乘以饱和度，然后在所有像素上平均该数量图像中的像素。高值是最好的。请注意，比蓝色更接近黄色的颜色具有“负蓝色”，而黑色、白色和纯灰色同样具有“零蓝色”。请注意，在这种情况下，您确实需要 HSV，而不是 HSL，因为 HSL 中的“S”不能很好地映射到感知饱和度。例如，颜色 #f8f8ff（RGB 248、248、255）在 HSL 中的饱和度为 100%（即纯蓝色），但看起来几乎是白色。 HSV中相同颜色的“S”坐标只有3%，这是合理的。

更便宜的版本：将图像转换为 CIELAB 颜色空间，丢弃 L，并计算 a*b* 空间中每个像素与目标颜色之间的距离，然后对每个像素进行平均或 RMS。低值是最好的。

【讨论】：

哇，谢谢——这两种方法看起来都很有前途。一定会给他们一个机会。

【解决方案2】：

我认为要衡量“蓝色”，您需要考虑所有三个组成部分，而不仅仅是蓝色。举个例子，[255,255,255] 是纯白色，而不是蓝色——但 [0, 0, 30] 是纯蓝色，尽管它的蓝色分量的值要低得多。

或者，您可以转换为 HSL 或 HSV 之类的东西，在这种情况下，“蓝色”应该更易于测量（仅色相和饱和度）。

【讨论】：

将尝试转换为 HSL，我猜 rgb 可能不是最好的方法。我目前的算法正在考虑所有 3 个组件 - 我正在使用 rgb 向量并比较向量距离 - 但由于某种原因，灰蓝色比浅蓝色更接近蓝色，所以也许 HSL 会解决这个问题。

【解决方案3】：

我会用谷歌搜索从 24 位图像创建 256 个调色板的算法（有关更多信息，请参阅http://en.wikipedia.org/wiki/Color_quantization），然后查看如果图像映射到该调色板中哪些颜色占主导地位。即，为每个 256 个调色板条目计算映射到其中的像素数。

注意事项，你当然不需要整个256，只是说256来帮助解释我的想法。同样通过直接研究这个调色板生成的算法可能会直接给你一个答案。

【讨论】：

希望我早点找到那个页面，谢谢。将最佳结果量化并与蓝色进行比较听起来就像它完全可以满足需要:)

【解决方案4】：

您真的需要找到图像中最蓝的部分吗？为什么不将图像的“蓝色”列为所有像素的平均蓝色分量值？

另一种可能性是找到超过阈值的像素密度，或成为蓝色像素所需的最小蓝色值。

【讨论】：

我试过这个，但它似乎不像你想象的那样工作。半纯蓝色图像将出现在具有半蓝色分量（例如浅绿色、紫色）的纯色图像下方。如果没有其他工作，我会再试一次并进行一些修改。基本的想法就在那里，只是它没有我希望的那么好。
@Jordan：考虑一下这个想法。如果这仍然不能满足您的要求，那么如果您列出您已经尝试过的其他事情将会很有帮助。

【解决方案5】：

如果你有一个像素，我会说它在 RGB 方面的蓝色是 B / (R + G + B) 的值，所以 1 完全是蓝色，0 根本不是蓝色，白色是 1 /3 蓝色。（注意黑色，这是一种特殊情况。）图像的蓝色度是其像素的平均蓝色度。如果成本太高，只需取固定数量的随机选择像素的平均值即可。

【讨论】：

谢谢，这实际上与最有效的方法非常相似 - 我使用了一种稍微不同的方法来找到蓝色，所以会尝试这种方法，看看它是否效果更好。
@Jordan：这个方法的好处是它可以很好地映射到 [0,1]，您可以使用函数对其进行调整。例如，如果您想偏爱中蓝色和折扣蓝色，请使用蓝色的平方根的平均值。每个仍将在 [0,1] 中。或者，如果您只关心严重蓝色的像素，请使用平方而不是平方根。

【解决方案6】：

我会说在整个图片上取 RGB 值本身的平均值。我会说下面的伪应该给你图片的“平均蓝色”。

SUMr
SUMg
SUMb    
for pixel <- image
  SUMr += pixel.r
  SUMg += pixel.g
  SUMb += pixel.b    
SUMr / pixelcount
SUMg / pixelcount
SUMb / pixelcount

如果这不成功；那么我认为您需要根据 G/B 值将“蓝色”像素排名为更高/更低的权重。然后将您的加权值相加并进行比较。

weight
for pixel <- image
  tweight = b
  b -= r
  b -= g
  b = 0 if b < 0
  weight += tweight
compare weights of all images.

【讨论】：