Python 需要找到一种计算G像素百分比的方法

我需要为一个项目计算给定图片中绿色像素的数量

我已经找到了生成图像绿色部分的方法。只需要找到一种方法来计算给定图像的绿色百分比。如何对图像目录进行循环

这是我收集的代码。请帮助我获取选定饱和区域百分比中的绿色像素

 import cv2
    import numpy as np
    import matplotlib.pyplot as plt
    from PIL import Image
    import numpy as np

    img = cv2.imread('Image')

    grid_RGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    plt.figure(figsize=(20,8))
    dimensions = img.shape

    # height, width, number of channels in image
    height = img.shape[0]
    width = img.shape[1]
    channels = img.shape[2]
 
    print('Image Dimension    : ',dimensions)
    print('Image Height       : ',height)
    print('Image Width        : ',width)
    print('Number of Channels : ',channels)

    # area is calculated as “height x width” 
    area = height * width 
  
    # display the area 
    print("Area of the image is : ", area)

    plt.imshow(grid_RGB) # Printing the original picture after converting to RGB

   grid_HSV = cv2.cvtColor(grid_RGB, cv2.COLOR_RGB2HSV) # Converting to HSV
   lower_green = np.array([25,52,72])
   upper_green = np.array([102,255,255])

   mask= cv2.inRange(grid_HSV, lower_green, upper_green)
   res = cv2.bitwise_and(img, img, mask=mask) # Generating image with the green part

   print("Green Part of Image")
   plt.figure(figsize=(20,8))
   plt.imshow(res)


  # Load image and convert to HSV
  im = Image.open('.image').convert('HSV')

  # Extract Hue channel and make Numpy array for fast processing
  Hue = np.array(im.getchannel('H'))

  # Make mask of zeroes in which we will set greens to 1
  mask = np.zeros_like(Hue, dtype=np.uint8) 

  # Set all green pixels to 1
  mask[(Hue>80) & (Hue<90)] = 1 

  print(mask.mean()/100 * area/100)
  # Now print percentage of green pixels
  print((mask.mean()*100))
  print((mask.mean()*mask.size)/100)

导入cv2
将numpy作为np导入
将matplotlib.pyplot作为plt导入
从PIL导入图像
将numpy作为np导入
img=cv2.imread（'Image'）
grid_RGB=cv2.CVT颜色（img，cv2.COLOR_BGR2RGB）
plt.图（figsize=（20,8））
尺寸=img.shape
#图像中的高度、宽度、通道数
高度=img.形状[0]
宽度=img.形状[1]
通道=图像形状[2]
打印（'图像尺寸：'，尺寸）
打印（'图像高度：'，高度）
打印（'图像宽度：'，宽度）
打印（'通道数：'，通道数）
#面积计算为“高度x宽度”
面积=高度*宽度
#显示区域
打印（“图像区域为：”，区域）
plt.imshow（grid_RGB）#转换为RGB后打印原始图片
grid_HSV=cv2.CVT颜色（grid_RGB，cv2.COLOR_RGB2HSV）#转换为HSV
下_green=np.数组（[25,52,72]）
上_green=np.数组（[102255255]）
遮罩=cv2.inRange（栅格、下绿色、上绿色）
res=cv2.按位_和（img，img，mask=mask）#生成带有绿色部分的图像
打印（“图像的绿色部分”）
plt.图（figsize=（20,8））
plt.imshow（res）
#加载图像并转换为HSV
im=Image.open（'.Image'）.convert（'HSV'））
#提取色调通道并制作Numpy阵列以实现快速处理
色调=np.array（im.getchannel（'H'））
#制作零掩码，在其中我们将绿色设置为1
掩码=np.zeros_like（色调，dtype=np.uint8）
#将所有绿色像素设置为1
mask[（Hue>80）&（Hue下面的方法不是很精确，但是它做得很好。你可以找到完整的源代码

green\u pixel\u count=0
总像素=1024#一些虚拟值
#查找每个扇区的绿色像素计数
对于img中的i：
对于i中的j：
如果（j[1]>j[0]和j[1]>j[2]和j[0]只是一个问题，我如何使用你的代码来计算饱和图片？正如我所说，它不是100%准确。我使用这种方法来计算卫星图像的绿化百分比。饱和度变化不大。因此它工作得很好。
green_pixel_count = 0
TOTAL_PIXELS = 1024 # Some dummy value 

# Find green pixel count for each sector
for i in img:
    for j in i:

        if(j[1]>j[0] and j[1]>j[2] and j[0]<100 and j[2]<100):
            green_pixel_count += 1

greenery_percentage = green_pixel_count*100/TOTAL_PIXELS