C++ 使用OpenCV按颜色排列像素

我开始一个关于探测的项目。 我的想法是对图像的每个像素进行排序（Mat）。 然后，我将能够退出哪个颜色占主导地位

困难在于颜色不是单一的。例如，绿色是rgb（02550），但也几乎是rgb（10240，20）

我排名的目标是退出几乎相同颜色的像素。然后，用喷枪，我想我可以找到我的目标

所以，我的问题是：这是一种按颜色排列像素的方法吗

---

你的答案需要提前很多时间。

没有一种像你所说的颜色像素的直接排序方法。 但是，您可以找到与最主要的近似值

有几种方法可以做到这一点：

您可以计算每个颜色通道的直方图-将其转换为R、G、B并计算直方图。然后您可以看到结果图的峰值在哪里-例如

如果k-表示在图像处对像素进行聚类-换句话说，将每个像素表示为具有坐标（R、G、B）的3D点。然后，您可以将像素分割为k种最常见的颜色

如果将图像调整为1x1像素图像，则会找到所有像素值的平均值。如果有一种主色，其中大多数像素都非常接近，它将给出一个很好的近似值

然而，这些都是近似值。最好的选择是使用k-means并找到元素最多或密度最大的簇

---

如果您正在寻找一种方法来定位具有特定颜色的对象，您可以使用最大似然估计。卫星图像中用来对不同物体进行分类的东西，如草地、汽车、建筑物和人行道。您可以将其与单一颜色一起使用，并根据属于您的对象的像素的可能性（概率百分比）获得对象所在位置的热图

在一张普通的图像中，总是会涉及到许多颜色。为了最佳地平均携带几乎相同颜色的像素，通过颜色量化来完成，该量化使用K-均值聚类等技术来减少图像中的颜色数量。这里最好用Python代码来解释这一点：

成功量化后，您可以尝试以下代码，根据颜色在图像中的频率对颜色进行排序

top_n_colors = []
n = 3
colors_count = {}
(channel_b, channel_g, channel_r) = cv2.split(_processed_image)

# Flattens the 2D single channel array so as to make it easier to iterate over it
channel_b = channel_b.flatten()
channel_g = channel_g.flatten()
channel_r = channel_r.flatten()

for i in range(len(channel_b)):
    RGB = str(channel_r[i]) + " " + str(channel_g[i]) + " " + str(channel_b[i])
    if RGB in colors_count:
        colors_count[RGB] += 1
    else:
        colors_count[RGB] = 1

# taking the top n colors from the dictionary objects
_top_colors = sorted(colors_count.items(), key=lambda x: x[1], reverse=True)[0:n]
for _color in _top_colors:
    _rgb = tuple([int(value) for value in _color[0].split()])
    top_n_colors.append(_rgb)

print(top_n_colors)

---

第二点是我可以探索的一个很好的方法。Thx 23pointsNorth！我的想法是，有时我需要退出几种颜色（占主导地位）。有可能深化你的观点2吗？我尝试了一些东西，但是太长了（120x75的图片大约7秒）。@Stalyon，我有一些演示，稍后我会用一些小的解释链接它们。不应该花那么多时间。即使对于VGA（640x480），它通常也能很快工作。我对此很感兴趣。你真的想在你的图像中找到一个物体吗？这将是一个好主意，如果你可以显示你的图像…我想找到不同的对象在一个视频。所以我不能真正给你看一幅图像。静止的画面可以告诉我们一些关于物体大小、形状、纹理、颜色、灯光或背景的重要信息……首先是直方图。你需要学习很多。（聚类、图像分割、目标检测、跟踪等）@William：我试过使用直方图，但这并不完全是我想要的。我继续使用下面23PointsNorth提出的解决方案2。