使用Python实现图像颜色量化的方法
更新时间：2022年06月15日 09:28:08 作者：坐望云起
这篇文章主要介绍了使用Python进行图像颜色量化,本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
一、选择图片
从选择图像开始。 例如，我将使用下面的海水和椰子树的照片。
二、创建脚本
1、导入相关库
接下来，让我们导入 extcolors 和 rgb2hex 库。 extcolors 库返回 RGB 值，将使用 rgb2hex 库将其转换为 HEX 颜色代码。
import numpy as np import pandas as pd import matplotlib.pyplot as plt import matplotlib.patches as patches import matplotlib.image as mpimg from PIL import Image from matplotlib.offsetbox import OffsetImage, AnnotationBbox
如果在导入这两个库时出现一些错误，您可以尝试安装一些必备库以使其工作。 这些库在下面的代码中。 删除 !pip 前面的 # 符号并运行以安装它们。 请不要删除版本号前的#符号。 它们只是笔记。
#!pip install easydev #version 0.12.0 #!pip install colormap #version 1.0.4 #!pip install opencv-python #version 4.5.5.64 #!pip install colorgram.py #version 1.2.0 #!pip install extcolors #version 1.0.0 import cv2 import extcolors from colormap import rgb2hex
2、创建方法
接下来，我将逐步解释如何创建用于颜色提取的函数。 如果你想直接得到函数，请给定义一个函数打分。
调整图像大小
从准备输入图像开始。 用现代相机和手机拍摄的照片太大了。 有些人可以拍摄超过 50 兆像素的照片（4K 显示器只能显示大约 8.3 兆像素）。 如果我们直接使用一个巨大的图像，处理可能需要一些时间。
因此，首先要做的是调整大小。 下面的代码显示了如何将图片的大小调整为 900 像素的宽度。 如果图像不是很大或者你的 CPU 速度很快，这一步可以省略，或者可以增加输出分辨率数。 请注意，调整照片大小后，新照片将保存在您的计算机上以供下一步阅读。
input_name = '<photo location/name>'
output_width = 900 #set the output size
img = Image.open(input_name)
wpercent = (output_width/float(img.size[0]))
hsize = int((float(img.size[1])*float(wpercent)))
img = img.resize((output_width,hsize), Image.ANTIALIAS)
#save
resize_name = 'resize_' + input_name #the resized image name
img.save(resize_name) #output location can be specified before resize_name
#read
plt.figure(figsize=(9, 9))
img_url = resize_name
img = plt.imread(img_url)
plt.imshow(img)
plt.axis('off')
plt.show()颜色提取
使用 extcolors 库提取颜色。 我们必须设置的参数：
容差：对颜色进行分组以限制输出并提供更好的视觉表示。 基于从 0 到 100 的比例。其中 0 不会对任何颜色进行分组，而 100 会将所有颜色归为一个。
限制：输出中呈现的提取颜色数量的上限。
在下面的代码中，我将公差值设置为 12，并将颜色代码输出的数量限制为 11 种颜色（limit=12）。 可以根据需要更改数字。 获得的结果将是 RGB 颜色代码及其出现。
colors_x = extcolors.extract_from_path(img_url, tolerance = 12, limit = 12) colors_x
使用 rgb2hex 库定义一个函数以将 RGB 代码转换为 HEX 颜色代码并创建一个 DataFrame。
def color_to_df(input):
colors_pre_list = str(input).replace('([(','').split(', (')[0:-1]
df_rgb = [i.split('), ')[0] + ')' for i in colors_pre_list]
df_percent = [i.split('), ')[1].replace(')','') for i in colors_pre_list]
#convert RGB to HEX code
df_color_up = [rgb2hex(int(i.split(", ")[0].replace("(","")),
int(i.split(", ")[1]),
int(i.split(", ")[2].replace(")",""))) for i in df_rgb]
df = pd.DataFrame(zip(df_color_up, df_percent), columns = ['c_code','occurence'])
return df
df_color = color_to_df(colors_x)
df_color绘制图标
list_color = list(df_color['c_code'])
list_precent = [int(i) for i in list(df_color['occurence'])]
text_c = [c + ' ' + str(round(p*100/sum(list_precent),1)) +'%' for c, p in zip(list_color,
list_precent)]
fig, ax = plt.subplots(figsize=(90,90),dpi=10)
wedges, text = ax.pie(list_precent,
labels= text_c,
labeldistance= 1.05,
colors = list_color,
textprops={'fontsize': 120, 'color':'black'}
)
plt.setp(wedges, width=0.3)
#create space in the center
plt.setp(wedges, width=0.36)
ax.set_aspect("equal")
fig.set_facecolor('white')
plt.show()
#create background color
fig, ax = plt.subplots(figsize=(192,108),dpi=10)
fig.set_facecolor('white')
plt.savefig('bg.png')
plt.close(fig)
#create color palette
bg = plt.imread('bg.png')
fig = plt.figure(figsize=(90, 90), dpi = 10)
ax = fig.add_subplot(1,1,1)
x_posi, y_posi, y_posi2 = 320, 25, 25
for c in list_color:
if list_color.index(c) <= 5:
y_posi += 125
rect = patches.Rectangle((x_posi, y_posi), 290, 115, facecolor = c)
ax.add_patch(rect)
ax.text(x = x_posi+360, y = y_posi+80, s = c, fontdict={'fontsize': 150})
else:
y_posi2 += 125
rect = patches.Rectangle((x_posi + 800, y_posi2), 290, 115, facecolor = c)
ax.add_artist(rect)
ax.text(x = x_posi+1160, y = y_posi2+80, s = c, fontdict={'fontsize': 150})
ax.axis('off')
plt.imshow(bg)
plt.tight_layout()
三、完整代码
我为了省事，resize路径被写在程序了，请注意根据自己的情况修改。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.patches as patches
import matplotlib.image as mpimg
from PIL import Image
from matplotlib.offsetbox import OffsetImage, AnnotationBbox
import cv2
import extcolors
from colormap import rgb2hex
def color_to_df(input):
colors_pre_list = str(input).replace('([(', '').split(', (')[0:-1]
df_rgb = [i.split('), ')[0] + ')' for i in colors_pre_list]
df_percent = [i.split('), ')[1].replace(')', '') for i in colors_pre_list]
# convert RGB to HEX code
df_color_up = [rgb2hex(int(i.split(", ")[0].replace("(", "")),
int(i.split(", ")[1]),
int(i.split(", ")[2].replace(")", ""))) for i in df_rgb]
df = pd.DataFrame(zip(df_color_up, df_percent), columns=['c_code', 'occurence'])
return df
def exact_color(input_image, resize, tolerance, zoom):
# background
bg = 'bg.png'
fig, ax = plt.subplots(figsize=(192, 108), dpi=10)
fig.set_facecolor('white')
plt.savefig(bg)
plt.close(fig)
# resize
output_width = resize
img = Image.open(input_image)
if img.size[0] >= resize:
wpercent = (output_width / float(img.size[0]))
hsize = int((float(img.size[1]) * float(wpercent)))
img = img.resize((output_width, hsize), Image.ANTIALIAS)
resize_name = 'C:/Users/zyh/Desktop/resize_456.jpg'
img.save(resize_name)
else:
resize_name = input_image
# crate dataframe
img_url = resize_name
colors_x = extcolors.extract_from_path(img_url, tolerance=tolerance, limit=13)
df_color = color_to_df(colors_x)
# annotate text
list_color = list(df_color['c_code'])
list_precent = [int(i) for i in list(df_color['occurence'])]
text_c = [c + ' ' + str(round(p * 100 / sum(list_precent), 1)) + '%' for c, p in zip(list_color, list_precent)]
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(160, 120), dpi=10)
# donut plot
wedges, text = ax1.pie(list_precent,
labels=text_c,
labeldistance=1.05,
colors=list_color,
textprops={'fontsize': 150, 'color': 'black'})
plt.setp(wedges, width=0.3)
# add image in the center of donut plot
img = mpimg.imread(resize_name)
imagebox = OffsetImage(img, zoom=zoom)
ab = AnnotationBbox(imagebox, (0, 0))
ax1.add_artist(ab)
# color palette
x_posi, y_posi, y_posi2 = 160, -170, -170
for c in list_color:
if list_color.index(c) <= 5:
y_posi += 180
rect = patches.Rectangle((x_posi, y_posi), 360, 160, facecolor=c)
ax2.add_patch(rect)
ax2.text(x=x_posi + 400, y=y_posi + 100, s=c, fontdict={'fontsize': 190})
else:
y_posi2 += 180
rect = patches.Rectangle((x_posi + 1000, y_posi2), 360, 160, facecolor=c)
ax2.add_artist(rect)
ax2.text(x=x_posi + 1400, y=y_posi2 + 100, s=c, fontdict={'fontsize': 190})
fig.set_facecolor('white')
ax2.axis('off')
bg = plt.imread('bg.png')
plt.imshow(bg)
plt.tight_layout()
return plt.show()
exact_color('C:/Users/zyh/Desktop/456.jpg', 900, 12, 2.5)运行结果如下
到此这篇关于使用Python进行图像颜色量化的文章就介绍到这了,更多相关Python图像颜色量化内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
Python基础之循环语句用法示例【for、while循环】
这篇文章主要介绍了Python基础之循环语句用法,结合实例形式分析了Python使用for、while循环及range、break和continue语句相关使用技巧,需要的朋友可以参考下2019-03-03
这篇文章介绍了python以及下载安装的方法，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2022-06-06
Python Pandas:DataFrame一列切分成多列、分隔符切分选字段方式
这篇文章主要介绍了Python Pandas:DataFrame一列切分成多列、分隔符切分选字段方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2023-09-09
这篇文章主要为大家详细介绍了如何利用Python实现删除重复文件功能，文中的示例代码讲解详细，对我们学习Python有一定的帮助，感兴趣的小伙伴的可以了解一下2023-02-02
本文主要介绍了Python中flask框架跨域问题的解决方法，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2021-08-08
Python基于HOG+SVM/RF/DT等模型实现目标人行检测功能
这篇文章主要介绍了Python基于HOG+SVM/RF/DT等模型实现目标检测[行人检测],今天这里并不是说要做出怎样的效果，而是基于HOG+SVM来实践机器学习检测的流程，需要的朋友可以参考下2022-06-06
详解如何修改jupyter notebook的默认目录和默认浏览器
这篇文章主要介绍了详解如何修改jupyter notebook的默认目录和默认浏览器，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2021-01-01
RSA是目前最有影响力的公钥加密算法，它能够抵抗到目前为止已知的绝大多数密码攻击，已被ISO推荐为公钥数据加密标准，下面通过本文给大家介绍python实现RSA加密(解密)算法，需要的朋友参考下2016-02-02
今天小编就为大家分享一篇python 消除 futureWarning问题的解决，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-12-12
Python 多处理模块是一个强大的工具,用于实现并行处理,提高程序的性能和效率,本文将详细介绍 Python 中多处理模块的使用方法,希望对大家有所帮助2024-01-01
最新评论