Python 2.7 Python-计算唯一元素的频率

我在字典中的

键中有一组独特的RGB颜色：'Color'

和目标图像中每个RGB颜色的

列表

我想：


迭代目标RGB颜色列表
检查该元素是否与
键中的任何颜色匹配：'Color'
如果匹配，我想更改
键：频率
将其增加1（+=1）

最后我希望实现更新
frequency['frequency']
，因此在过程结束时
dict:frequency
将包含一组
（颜色、频率）
。然后我想从较低的频率到较高的频率排序，并打印每对RGB颜色+外观数量

以下是我目前的代码：

from PIL import Image

im = Image.open('test.png').convert('RGB')
im2 = Image.open('test2.png').convert('RGB')

unique_colors = set()

def get_unique_colors(img):
    for i in range(0,img.size[0]):
        for j in range(0,img.size[1]):
            r,g,b = img.getpixel((i,j))
            unique_colors.add((r,g,b))
    return(unique_colors)

unique_colors = get_unique_colors(im)

all_colors = []

def get_all_colors(img):
    for i in range(0,img.size[0]):
        for j in range(0,img.size[1]):
            r,g,b = rgb_im.getpixel((i,j))
            all_colors.append((r,g,b))
    return(all_colors)

all_colors = get_all_colors(im2)

frequency = {'Color': list(unique_colors), 'Frequency': [0 for x in range(0,len(unique_colors))]}

我面临许多问题，因为我缺乏操作词典的能力。在这种情况下，使用词典来存储此类数据真的合适吗？
我认为您创建的词典是错误的。如果您创建的
dict
如下所示，则可以具有dict（颜色、频率）结构：

frequency = dict(zip(list(unique_colors), [0 for x in range(0,len(unique_colors))]))

zip
函数将两个列表作为键和值对放在一起。如果
unique_colors={'red'、'green'、'blue'}
，这将创建一个字典，如：

frequency = {'red': 0, 'green': 0, 'blue': 0}

之后，您可以将字典更新为：

frequency['red']+=1

然后dict变成
{'red'：1，'green'：0，'blue'：0}
我认为您创建的字典不正确。如果您创建的
dict
如下所示，则可以具有dict（颜色、频率）结构：

frequency = dict(zip(list(unique_colors), [0 for x in range(0,len(unique_colors))]))

zip
函数将两个列表作为键和值对放在一起。如果
unique_colors={'red'、'green'、'blue'}
，这将创建一个字典，如：

frequency = {'red': 0, 'green': 0, 'blue': 0}

之后，您可以将字典更新为：

frequency['red']+=1

dict变成了
{'red'：1，'green'：0，'blue'：0}
使用字典是一个好主意，事实证明标准库为您完成了
集合的一些工作。计数器计算您放入其中的内容。添加
itertools.product
以运行所有像素位置，并将其放入自定义像素迭代器中，您将获得

from PIL import Image
import collections
import itertools

def iter_colors(img):
    coordinates = itertools.product(range(img.size[0]), range(img.size[1]))
    return map(img.getpixel, coordinates)

im = Image.open('test.png').convert('RGB')
im2 = Image.open('test2.png').convert('RGB')

unique_colors = set(iter_colors(im))
print("unique", unique_colors)

frequencies = collections.Counter((rgb for rgb in iter_colors(im2)
    if rgb in unique_colors))
print("frequencies", frequencies)

# counter keys are rgb tuples and velue is number of times seen
rgbs_sorted = list(sorted(frequencies))
print("im2 rgb values sorted by value:", ", ".join(
    str(rgb) for rgb in rgbs_sorted))
print("im2 rgb values sorted by most common:", ", ".join(
    str(rgb) for rgb in frequencies.most_common()))
print("one rgb value", frequencies[rgbs_sorted[0]])

在测试映像上，返回

unique {(0, 0, 255), (191, 191, 191), (0, 255, 0)}
frequencies Counter({(191, 191, 191): 45, (0, 0, 255): 44, (0, 255, 0): 32})
im2 rgb values sorted by value: (0, 0, 255), (0, 255, 0), (191, 191, 191)
im2 rgb values sorted by most common: ((191, 191, 191), 45), ((0, 0, 255), 44), ((0, 255, 0), 32)
one rgb value 44

使用字典是一个很好的主意，事实证明标准库已经为您完成了
集合的一些工作。计数器
计算您放入其中的内容。添加
itertools.product
以运行所有像素位置，并将其放入自定义像素迭代器中，您将获得

from PIL import Image
import collections
import itertools

def iter_colors(img):
    coordinates = itertools.product(range(img.size[0]), range(img.size[1]))
    return map(img.getpixel, coordinates)

im = Image.open('test.png').convert('RGB')
im2 = Image.open('test2.png').convert('RGB')

unique_colors = set(iter_colors(im))
print("unique", unique_colors)

frequencies = collections.Counter((rgb for rgb in iter_colors(im2)
    if rgb in unique_colors))
print("frequencies", frequencies)

# counter keys are rgb tuples and velue is number of times seen
rgbs_sorted = list(sorted(frequencies))
print("im2 rgb values sorted by value:", ", ".join(
    str(rgb) for rgb in rgbs_sorted))
print("im2 rgb values sorted by most common:", ", ".join(
    str(rgb) for rgb in frequencies.most_common()))
print("one rgb value", frequencies[rgbs_sorted[0]])

在测试映像上，返回

unique {(0, 0, 255), (191, 191, 191), (0, 255, 0)}
frequencies Counter({(191, 191, 191): 45, (0, 0, 255): 44, (0, 255, 0): 32})
im2 rgb values sorted by value: (0, 0, 255), (0, 255, 0), (191, 191, 191)
im2 rgb values sorted by most common: ((191, 191, 191), 45), ((0, 0, 255), 44), ((0, 255, 0), 32)
one rgb value 44

感谢您的回复，非常简短的脚本，它的工作。唯一的问题是，我不确定如何从这个数据结构中检索特定的RGB颜色及其值。它们的工作原理与DICT非常相似（请参阅中的文档）。我已经添加了一些示例。感谢您的回复，非常简短的脚本，它很有效。唯一的问题是，我不确定如何从这个数据结构中检索特定的RGB颜色及其值。它们的工作原理与DICT非常相似（请参阅中的文档）。我添加了一些样品。谢谢，它帮助了很多。在那之后，我只需要做：
所有颜色中的e:I唯一颜色中的I:if e==I:frequency[e]+=1
，然后每个（R，G，B）元组都会更新其计数器。很高兴能够提供帮助！谢谢，这帮了大忙。在那之后，我只需要做：
所有颜色中的e:I唯一颜色中的I:if e==I:frequency[e]+=1
，然后每个（R，G，B）元组都会更新其计数器。很高兴能够提供帮助！