imagemagick 获取具有最常见颜色的像素的坐标

Question

简而言之，我想找出具有主要颜色的像素的坐标。

具体来说，我想实现以下目标：

1. 查找主要颜色。主要是指图像中大多数像素具有的颜色（我使用直方图实现了它）
   

2. 在获得这种颜色（在我的例子中是黑色）之后，我想找到一个黑色的像素，并且它只被黑色像素包围。基本上是黑色最集中区域的中心。

到目前为止，我只能获得主要颜色。

convert src.png -format %c histogram:info: > x.txt
cat x.txt | awk '{print $1}' | sed 's/://g' > x1.txt
h=$(sort -n x1.txt | tail -1)
cat x.txt | grep "$h"
rm -rf x.txt

结果：

    169211: (  0,  0,  0,255) #000000 black

现在，我还可以获得黑色的所有坐标

convert src.png txt: | grep black
469,799: (  0,  0,  0,255)  #000000  black
470,799: (  0,  0,  0,255)  #000000  black
471,799: (  0,  0,  0,255)  #000000  black
472,799: (  0,  0,  0,255)  #000000  black
473,799: (  0,  0,  0,255)  #000000  black
474,799: (  0,  0,  0,255)  #000000  black
475,799: (  0,  0,  0,255)  #000000  black
476,799: (  0,  0,  0,255)  #000000  black
477,799: (  0,  0,  0,255)  #000000  black
478,799: (  0,  0,  0,255)  #000000  black
...

但我需要一个黑色像素的随机坐标，该坐标位于周围只有黑色像素的地方...

我使用的是 Linux 和 Imagemagick 6.6.5 版

Answer 1

（更新以消除一些弱点）

首先，找到你的主要颜色。您似乎已经知道如何执行此操作，因此我跳过此步骤。 （我也没有为此检查或验证您的代码...）

你的代码有一些弱点：

1. 你只清理x.txt，而不清理你的x1.txt。

2. 您应该从第二个命令中删除 | sed 's/://g' 部分。它从变量中消除了: 冒号，但这可能会导致h=21（而不是h=21:）导致grep "$h" 找到所有这些行：

    1: (221, 86, 77) #DD564D srgb(221,86,77)
    1: (221,196,192) #DDC4C0 srgb(221,196,192)
    1: (221,203,197) #DDCBC5 srgb(221,203,197)
   [...] 
   21: (255,255,255) #FFFFFF white
   

   如果您将其保留在h=21:，您会找到您正在寻找的一行！ （验证示例：使用内置的rose: 图像代替您的src.png，看看我的意思。）

第二，在图像上应用非常少量的blur，方法是对每个位置的每个像素及其周围的 8 个像素进行平均：-blur 1x65535（此操作使用一个 3x3 的正方形内核）。在该步骤之后，在生成的图像中，只有那些像素将保持纯黑色，原始图像中仅被黑色像素包围。

第三，将所有非黑色像素变为白色：通过对图像应用 -fill white +opaque black -fill white -opaque black-操作。 （另请参阅"Morphology"，尤其是"Erosion"。）这会通过将所有非黑色颜色变为白色来消除图像中的所有其他颜色，并简化您对纯黑色像素的搜索。 （注意：这不适用于不包含至少一个纯黑色像素的 3x3 像素区域的 src.png 文件...）

第四：我们必须考虑图像边界上的像素（这些像素没有 8 个邻居！），因此我们用 @ 为这些像素分配颜色“无” 987654344@.

我将使用名为“logo:”的 ImageMagick 内置特殊图片来演示我的方法：

convert logo: logo.png

如您所见，这张图片以白色为主色调。 （所以我切换了这个例子的代码，让所有的白色像素变黑......）

到目前为止的命令行：

convert                                                \
   logo:                                               \
  -virtual-pixel none                                  \
   $(for i in {1..2}; do echo " -blur 1x65535 "; done) \
  -fill black                                          \
  -opaque white                                        \
   2_blur-logo-virtpixnone.png

这是两张并排的图片：

• 左侧的logo.png
• 右侧的2_blur-log-virtpixnone.png

第五： 皮革，冲洗，重复。

现在让我们应用该算法的更多迭代，例如 100、500、1000 和 1300，并且还对结果应用注释，以便我们知道哪个图像是哪个：

for j in 100 500 1000 1300; do
   convert                                                       \
      logo:                                                      \
     -virtual-pixel none                                         \
      $(for i in $(seq 1 ${j}); do echo " -blur 1x65535 "; done) \
     -fill black                                                 \
     -opaque white                                               \
     -gravity NorthEast -annotate +10+10 "$j iterations"         \
      ${j}_blur-logo-virtpixnone.png
done

您可以清楚地看到，我的算法使黑色区域收敛到您在查看原始logo.png 时直觉猜测为白色区域“中心”的那个点：

一旦你得到一个没有黑点的输出图像，你就太频繁地迭代了。返回一个迭代。 :-)

现在应该只有非常有限数量的候选像素符合您的条件。

Answer 2

我喜欢这种使用欧几里得距离形态学的方法 - 它使巫师看起来相当恶魔（！）并且运行不到一秒钟！

convert logo: -virtual-pixel none             \
              -morphology Distance Euclidean  \
              -auto-level -channel GB         \
              -threshold 85% 85.png

95% 和 99% 的阈值可以让您获得这些：

而且，如果你想要文本坐标：

convert logo: -virtual-pixel none -morphology Distance Euclidean -auto-level -threshold 99% txt:- | grep white
151,328: (255,255,255,1)  #FFFFFF  white
152,328: (255,255,255,1)  #FFFFFF  white

Answer 3

这只是一个预感而不是一个完整的答案，但您可以先使用模糊滤镜对图像进行预处理。那么模糊图像中的黑色像素一定在原始图像中有黑色邻域。

不过，这不适用于任意颜色。

Answer 4

这是一个在几分之一秒内运行的不同想法......

如果您正在寻找较大的黑色区域，请反复将图像平铺成越来越小的图块，直到获得全黑的图块，然后选择该图块的中心。这是一个显示收敛的小视频。该过程正在查看半透明的红色区域，直到找到仅包含黑色的区域。

代码如下：

#!/bin/bash
# Set interesting pixels to black, others to white
convert logo: -fill black +opaque white -negate start.png

# Now tile, into 4,9,16,25 till we get a tile that is fully black
for i in $(seq 2 8); do
   rm tmp*.png 2> /dev/null
   convert -crop ${i}x${i}@ start.png tmp%d.png
   for f in tmp*png; do
     mean=$(identify -format "%[mean]" "$f")
     if [ "$mean" = "0" ]; then
        j=$((i*i))
        echo "$f" of $j tiles
        exit
     fi
   done
done

输出是这样的：

tmp6.png of 9 tiles