C++ 如何使用OpenCV从图像中获取调色板

我想提取图像的调色板，类似于以下内容（来源）：

我需要它来提取特定的颜色，如黄色、绿色和棕色，并显示该颜色覆盖的面积百分比。此外，我可以添加更多的颜色来提取

---

如何减少原始图像中的颜色数量，以及如何获得调色板？

这里有三种不同的情况

减少图像的颜色数量

获取图像的不同颜色

获取颜色名称

减少颜色的数量

有许多技术可以减少颜色的数量。您可以看到如何使用颜色量化和kmeans

另一种方法可以使用该算法（此处未显示）

OpenCV提供了。您可以看到一些如何使用它的示例

获取图像的不同颜色

这很容易。只需迭代整个图像。如果看到新颜色，请存储其值，计数器等于1。如果您看到已经看到的颜色，请增加其计数器。std:：map在这里可能很有用

获取颜色名称

我不会在这里展示。但在网上也有。您需要所有命名颜色的列表。请记住，并非每种颜色都有一个名称。事实上，RGB值的所有可能颜色都是

256*256*256

。因此，在列表中找到最接近的颜色，并将其名称指定给当前颜色

---

例如，使用此输入图像

使用kmeans方法，我得到了简化的彩色图像：

其调色板为：

Color: [14, 134, 225]    - Area: 5.28457%
Color: [16, 172, 251]    - Area: 27.3851%
Color: [22, 68, 101]     - Area: 3.41029%
Color: [28, 154, 161]    - Area: 3.89029%
Color: [40, 191, 252]    - Area: 22.3429%
Color: [87, 204, 251]    - Area: 8.704%
Color: [161, 222, 251]   - Area: 3.47429%
Color: [253, 255, 255]   - Area: 25.5086%

现在，您可以在列表中搜索最接近的颜色名称，您将获得所需的颜色。如何组成GUI来显示这些信息取决于您：数据都在那里

代码：

#包括
#包括
#包括
#包括
使用名称空间cv；
使用名称空间std；
// https://stackoverflow.com/a/34734939/5008845
空隙减少颜色量化（常数Mat3b和src、Mat3b和dst）
{
uchar N=64；
dst=src/N；
dst*=N；
}
// https://stackoverflow.com/a/34734939/5008845
无效还原色法（常数Mat3b和src、Mat3b和dst）
{
int K=8；
int n=src.rows*src.cols；
材料数据=钢筋混凝土重塑（1，n）；
数据转换（数据，CV_32F）；
矢量标签；
Mat1f颜色；
kmeans（数据、K、标签、cv:：TermCriteria（）、1、cv:：kmeans\u PP\u中心、颜色）；
对于（int i=0；icout“Yellow”不是特定的颜色。
7F1D33
是特定的，而且很少见。它会抛出错误
指定的比较器类型不提供常量调用运算符
@user969068只需添加
常量
然后：
布尔运算符（）（常量Vec3b&lhs，常量Vec3b&rhs）常量{…
#include <opencv2\opencv.hpp>
#include <opencv2\photo.hpp>
#include <iostream>
#include <map>

using namespace cv;
using namespace std;

// https://stackoverflow.com/a/34734939/5008845
void reduceColor_Quantization(const Mat3b& src, Mat3b& dst)
{
    uchar N = 64;
    dst = src / N;
    dst *= N;
}

// https://stackoverflow.com/a/34734939/5008845
void reduceColor_kmeans(const Mat3b& src, Mat3b& dst)
{
    int K = 8;
    int n = src.rows * src.cols;
    Mat data = src.reshape(1, n);
    data.convertTo(data, CV_32F);

    vector<int> labels;
    Mat1f colors;
    kmeans(data, K, labels, cv::TermCriteria(), 1, cv::KMEANS_PP_CENTERS, colors);

    for (int i = 0; i < n; ++i)
    {
        data.at<float>(i, 0) = colors(labels[i], 0);
        data.at<float>(i, 1) = colors(labels[i], 1);
        data.at<float>(i, 2) = colors(labels[i], 2);
    }

    Mat reduced = data.reshape(3, src.rows);
    reduced.convertTo(dst, CV_8U);
}

void reduceColor_Stylization(const Mat3b& src, Mat3b& dst)
{
    stylization(src, dst);
}

void reduceColor_EdgePreserving(const Mat3b& src, Mat3b& dst)
{
    edgePreservingFilter(src, dst);
}


struct lessVec3b
{
    bool operator()(const Vec3b& lhs, const Vec3b& rhs) const {
        return (lhs[0] != rhs[0]) ? (lhs[0] < rhs[0]) : ((lhs[1] != rhs[1]) ? (lhs[1] < rhs[1]) : (lhs[2] < rhs[2]));
    }
};

map<Vec3b, int, lessVec3b> getPalette(const Mat3b& src)
{
    map<Vec3b, int, lessVec3b> palette;
    for (int r = 0; r < src.rows; ++r)
    {
        for (int c = 0; c < src.cols; ++c)
        {
            Vec3b color = src(r, c);
            if (palette.count(color) == 0)
            {
                palette[color] = 1;
            }
            else
            {
                palette[color] = palette[color] + 1;
            }
        }
    }
    return palette;
}


int main()
{
    Mat3b img = imread("path_to_image");

    // Reduce color
    Mat3b reduced;

    //reduceColor_Quantization(img, reduced);
    reduceColor_kmeans(img, reduced);
    //reduceColor_Stylization(img, reduced);
    //reduceColor_EdgePreserving(img, reduced);


    // Get palette
    map<Vec3b, int, lessVec3b> palette = getPalette(reduced);

    // Print palette
    int area = img.rows * img.cols;

    for (auto color : palette)
    {
        cout << "Color: " << color.first << " \t - Area: " << 100.f * float(color.second) / float(area) << "%" << endl;
    }

    return 0;
}