Image 检测图像通常是红色、绿色、蓝色还是黑色

我正在处理红色、绿色、蓝色或黑色的小图像（四色卡片组中的思考卡排列）。确定图像颜色的快速算法是什么

有关输入的示例集，请参见，但图像可以缩放，这样它们就不会那么清晰

这些就是您正在使用的图像吗？如果是，是否所有图像上都有一个单独的彩色像素？我在想衣服在哪里。看看衣服应该放在哪里的像素，这会告诉你卡片的“颜色”

更通用的方法可能包括分析整个图像（缓慢但有效）、缩小图像比例并分析每个像素（如果最终图像较小但缩放可能会影响颜色，则更可行），或随机采样n个像素（或像素的行/列），如果提前知道颜色的深浅程度，可能需要一些遮罩，但是你需要一个通用的方法吗

---

哦-另一个想法：你控制输入图像的来源吗？也许你可以用一个数字来替代一些图像元数据来表示“颜色”。这是一种欺骗，因为不涉及真正的图像处理，而且容易受到标签被剥离/修改的影响，但这可能是最快的方法。

这对于一个像素来说效果足够好：

def get_ishness(r,g,b):
    h,s,v = rgb_to_hsv(r,g,b) #h from 0-360, s and v from 0-100
    if v < 50: return 'black'
    if s < 15: return None
    if h < 10: return 'red'
    if 80 < h < 100: return 'green'
    if 210 < h < 230: return 'blue'
    return None

def-get-ishness（r，g，b）：
h、 s，v=从0-360的rgb_到hsv（r，g，b）#h，从0-100的s和v
如果v<50：返回“黑色”
如果s<15：返回无
如果h<10：返回“红色”
如果80

---

对于整个图像，我将红色、绿色、蓝色和黑色的像素相加，并返回像素最多的颜色。

这篇文章似乎已经解决了，但如果你不介意我的2美分

我认为，你需要一个通用的方法，你不知道这些图像是什么。虽然已经发布的答案应该足够好，可以通过一些调整进行快速编码，但如果您仍然遇到问题，我建议您使用自组织地图：以及

---

它可能需要一些（无监督的）训练时间来获得一个像样的地图/识别器（嘿，毕竟这是一个神经网络），但我遇到了一个有点像你的问题，它们对我来说很好（易于适应，灵活适应不同的光照等）。

我确实需要一个通用的方法-我不会特别使用那些图像，我不会事先知道它们是什么。给定一个像素，那么，考虑到红色像素可能是（255,0,0）或（255,31,12）或（253127114）等，我如何判断该像素是红色、绿色、蓝色还是黑色？@Claudiu:啊，那么你也有“红色”像素？我想，你必须定义一个“红色”的范围。想想看，如果有人输入橙色或粉色，你会怎么做？”克劳迪奥：你可能想看看颜色直方图：我会把粉红看作淡红色，而不是橙色。我想我只需要分析一下我使用的图像，看看哪些图像会被视为“红色”，谢谢直方图链接。似乎我应该转换到HSV颜色空间，并在那里寻找范围