在Python中检测普通背景上对象的主颜色

我写了一个算法，假设背景是普通的，用一个对象检测图像的主颜色。以下是我目前正在执行的基本步骤：

• 对整个图像运行k-means算法（k=10）
• 删除与像素（0,0）具有相同类别的点
• 使用剩余的点（k=3）=>3种主颜色运行新的k-means算法

虽然这可能不是最聪明的算法，但我对结果非常满意，除非对象的大部分与背景颜色相同。例如，当对象在白色背景上主要为白色时，该算法自然倾向于将对象的白点与背景进行分类

我怎样才能有一个在所有情况下都有效的通用方法（我对白色物体没有任何先验知识）？可以假定对象在水平和垂直方向上居中。但是，不能假设对象的形状或其中的颜色数量（有时是普通的，有时有许多不同的颜色）。谢谢

（我相信我已经阅读了所有可能的相关帖子！）

编辑： 我得到的典型结果是：

这就是第一个k-means如何对点进行分类（左：k=10，右：k=3）：

---

您不太清楚当前的问题是什么。你能贴张截图吗

可能您的意思是，对象边缘附近的区域（对象和背景之间）被错误地归类为背景色，即您的算法剪裁过多。在这种情况下，可以使用边缘检测算法来检测对象和背景之间的边界。一旦你知道了边，你就知道了内部，因此你应该能够切割除了内部之外的所有东西，然后重新运行你的算法

如果您的意思是对象的内部被分类为背景，那么您可以执行泛光填充算法。如果要对每个区域进行泛光填充，请拒绝任何无法一直泛光填充到像素（0,0）的区域。这将为您留下一个不与对象重叠的区域列表。

一些想法：

1） 如果背景颜色是恒定的（例如，所有像素都是相同的颜色），则可以通过查找空间连接的最大组件来查找背景，该组件包含所有相同（或在某个阈值内相同）颜色的像素。您可以删除背景，然后在剩余的图像上运行K-Means

2） 如果图像中的组件与背景属于同一集群，但在图像中没有连接，则可以通过运行“连接组件”算法来拆分它们。或者，如果在运行K-Means（例如，像素坐标）时未包含空间信息，则可以这样做

---

3） 您也可以尝试增加K，直到对象从背景中分离（对于大多数/所有图像）。

感谢您的回答，我发布了一个典型问题案例的结果。内部确实是被错误地归类为背景的东西。即使如此，检测边缘也应该有效，不是吗？很好。我还得出结论，增加钾可以有所帮助。是的，当K>20时，我对结果很满意。然而，你的其他想法也很有洞察力（还没有测试过！）。谢谢