Python 图像颜色分类器_Python_Image_Classification

Python 图像颜色分类器

python image

Python 图像颜色分类器,python,image,classification,Python,Image,Classification,我有这个图像我想对所有像素进行分类。此图像中像素的颜色如下所示：蓝色：水红色：屋顶怀特：路黄色：浅浅绿色：草深绿色：树黑色：背景如何对所有像素进行分类。例如，如果2'列和1'行的像素是蓝色的，则将（1,2）分类为water的类，依此类推。我可以向您展示如何执行此操作以及将得到什么结果，希望您可以将其应用于Python—如果您愿意的话。我选择的武器是ImageMagick，它安装在大多数Linux发行版上，在macOS和Windows上免费提供步骤1 首先，我使用“颜色滴管

我有这个图像

我想对所有像素进行分类。此图像中像素的颜色如下所示：

蓝色：水

红色：屋顶

怀特：路

黄色：浅

浅绿色：草

深绿色：树

黑色：背景

如何对所有像素进行分类。例如，如果2'列和1'行的像素是蓝色的，则将（1,2）分类为water的类，依此类推。

我可以向您展示如何执行此操作以及将得到什么结果，希望您可以将其应用于Python—如果您愿意的话。我选择的武器是ImageMagick，它安装在大多数Linux发行版上，在macOS和Windows上免费提供

步骤1

首先，我使用“颜色滴管”工具（在Mac电脑上称为“数字颜色计”），查看您识别的7种颜色中的每种颜色的区域，并获得它们的RGB坐标，然后通过在终端中键入以下内容，制作这些值的简单“查找表”：

# First make a LUT of our 7 colours
convert xc:"rgb(59,79,162)"   \
        xc:"rgb(230,30,35)"   \
        xc:"rgb(240,240,240)" \
        xc:"rgb(230,230,97)"  \
        xc:"rgb(103,180,65)"  \
        xc:"rgb(47,140,87)"   \
        xc:black +append LUT.png

该文件（

LUT.png

）看起来像这样-只是更小-我在下面放大了它，以便您可以看到它。实际上，它只有7x1像素：

步骤2

现在，我将查找表应用于图像，而不抖动，以便图像中的每种颜色都被强制为表中最接近的颜色：

convert image.png +dither -map LUT.png result.png

图像现在真正只有我们选择的7种颜色，而不是原始图像中的8002种颜色

步骤3

现在，我们浏览图像并对其进行分类，将所有蓝色像素替换为1，将所有红色像素替换为2，将所有白色像素替换为3，依此类推：

convert result.png            \
        -fill "gray(1)" -opaque "rgb(59,79,162)"   \
        -fill "gray(2)" -opaque "rgb(230,30,35)"   \
        -fill "gray(3)" -opaque "rgb(240,240,240)" \
        -fill "gray(4)" -opaque "rgb(230,230,97)"  \
        -fill "gray(5)" -opaque "rgb(103,180,65)"  \
        -fill "gray(6)" -opaque "rgb(47,140,87)"   \
        -fill "gray(7)" -opaque black final.png

这给了我们这个非常暗的图像，因为所有像素在0-255范围内都是7或以下：

因此，我们使用归一化将灰色延伸到整个范围：

convert final.png -normalize final.png

我猜下一步将是确定每种封面类型的百分比。让我们先看看水。如果我们把所有的水都变成白色像素，把所有的非水都变成黑色像素，我们可以通过查看图像的平均值来计算水的覆盖率：

convert final.png -fill white -opaque "rgb(1,1,1)" -fill black +opaque white -format "%[fx:int(mean*100)]" info:
12

因此，有12%的水覆盖率。要获取实际图像，请使用输出文件名替换上述计算：

convert final.png -fill white -opaque "rgb(1,1,1)" -fill black +opaque white water.png

让我们下一步试试树。。。同样的程序，使所有树木都变成白色，而不是黑色：

convert final.png -fill white -opaque "rgb(6,6,6)" -fill black +opaque white -format "%[fx:int(mean*100)]" info:
26

因此，26%的树木覆盖率。让我们来看看它们：

convert final.png -fill white -opaque "rgb(6,6,6)" -fill black +opaque white trees.png

Python

那么，Python中会发生什么呢

第1步意味着您要分配一个列表或数组（或Python调用的任何东西），每个列表或数组都有7种颜色。列表中的每个条目都有一个红色、绿色和蓝色的组件

第二步。您迭代图像中的每个像素（按行和列），以获得其红色、绿色和蓝色分量。然后计算从当前像素到7种LUT颜色的颜色距离，并取结果最小的颜色，即最近的距离。您可以使用

(thispixel.Red-LUT[n].Red)^2 + (thispixel.Green-LUT[n].Green)^2 + (thispixel.Blue-LUT[n].Blue)^2

其中

将贯穿LUT的7个索引

第三步。您可以将输出像素设置为LUT中最接近的颜色的索引。

我可以向您展示如何操作以及将得到什么结果，如果您愿意，希望您可以将其应用于Python。我选择的武器是ImageMagick，它安装在大多数Linux发行版上，在macOS和Windows上免费提供