使用Python實現圖像顏色量化的方法
更新時間：2022年06月15日 09:28:08 作者：坐望云起
這篇文章主要介紹了使用Python進行圖像顏色量化,本文通過實例代碼給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下
一、選擇圖片
從選擇圖像開始。 例如，我將使用下面的海水和椰子樹的照片。
二、創(chuàng)建腳本
1、導入相關庫
接下來，讓我們導入 extcolors 和 rgb2hex 庫。 extcolors 庫返回 RGB 值，將使用 rgb2hex 庫將其轉換為 HEX 顏色代碼。
import numpy as np import pandas as pd import matplotlib.pyplot as plt import matplotlib.patches as patches import matplotlib.image as mpimg from PIL import Image from matplotlib.offsetbox import OffsetImage, AnnotationBbox
如果在導入這兩個庫時出現一些錯誤，您可以嘗試安裝一些必備庫以使其工作。 這些庫在下面的代碼中。 刪除 !pip 前面的 # 符號并運行以安裝它們。 請不要刪除版本號前的#符號。 它們只是筆記。
#!pip install easydev #version 0.12.0 #!pip install colormap #version 1.0.4 #!pip install opencv-python #version 4.5.5.64 #!pip install colorgram.py #version 1.2.0 #!pip install extcolors #version 1.0.0 import cv2 import extcolors from colormap import rgb2hex
2、創(chuàng)建方法
接下來，我將逐步解釋如何創(chuàng)建用于顏色提取的函數。 如果你想直接得到函數，請給定義一個函數打分。
調整圖像大小
從準備輸入圖像開始。 用現代相機和手機拍攝的照片太大了。 有些人可以拍攝超過 50 兆像素的照片（4K 顯示器只能顯示大約 8.3 兆像素）。 如果我們直接使用一個巨大的圖像，處理可能需要一些時間。
因此，首先要做的是調整大小。 下面的代碼顯示了如何將圖片的大小調整為 900 像素的寬度。 如果圖像不是很大或者你的 CPU 速度很快，這一步可以省略，或者可以增加輸出分辨率數。 請注意，調整照片大小后，新照片將保存在您的計算機上以供下一步閱讀。
input_name = '<photo location/name>'
output_width = 900 #set the output size
img = Image.open(input_name)
wpercent = (output_width/float(img.size[0]))
hsize = int((float(img.size[1])*float(wpercent)))
img = img.resize((output_width,hsize), Image.ANTIALIAS)
#save
resize_name = 'resize_' + input_name #the resized image name
img.save(resize_name) #output location can be specified before resize_name
#read
plt.figure(figsize=(9, 9))
img_url = resize_name
img = plt.imread(img_url)
plt.imshow(img)
plt.axis('off')
plt.show()顏色提取
使用 extcolors 庫提取顏色。 我們必須設置的參數：
容差：對顏色進行分組以限制輸出并提供更好的視覺表示。 基于從 0 到 100 的比例。其中 0 不會對任何顏色進行分組，而 100 會將所有顏色歸為一個。
限制：輸出中呈現的提取顏色數量的上限。
在下面的代碼中，我將公差值設置為 12，并將顏色代碼輸出的數量限制為 11 種顏色（limit=12）。 可以根據需要更改數字。 獲得的結果將是 RGB 顏色代碼及其出現。
colors_x = extcolors.extract_from_path(img_url, tolerance = 12, limit = 12) colors_x
使用 rgb2hex 庫定義一個函數以將 RGB 代碼轉換為 HEX 顏色代碼并創(chuàng)建一個 DataFrame。
def color_to_df(input):
colors_pre_list = str(input).replace('([(','').split(', (')[0:-1]
df_rgb = [i.split('), ')[0] + ')' for i in colors_pre_list]
df_percent = [i.split('), ')[1].replace(')','') for i in colors_pre_list]
#convert RGB to HEX code
df_color_up = [rgb2hex(int(i.split(", ")[0].replace("(","")),
int(i.split(", ")[1]),
int(i.split(", ")[2].replace(")",""))) for i in df_rgb]
df = pd.DataFrame(zip(df_color_up, df_percent), columns = ['c_code','occurence'])
return df
df_color = color_to_df(colors_x)
df_color繪制圖標
list_color = list(df_color['c_code'])
list_precent = [int(i) for i in list(df_color['occurence'])]
text_c = [c + ' ' + str(round(p*100/sum(list_precent),1)) +'%' for c, p in zip(list_color,
list_precent)]
fig, ax = plt.subplots(figsize=(90,90),dpi=10)
wedges, text = ax.pie(list_precent,
labels= text_c,
labeldistance= 1.05,
colors = list_color,
textprops={'fontsize': 120, 'color':'black'}
)
plt.setp(wedges, width=0.3)
#create space in the center
plt.setp(wedges, width=0.36)
ax.set_aspect("equal")
fig.set_facecolor('white')
plt.show()
#create background color
fig, ax = plt.subplots(figsize=(192,108),dpi=10)
fig.set_facecolor('white')
plt.savefig('bg.png')
plt.close(fig)
#create color palette
bg = plt.imread('bg.png')
fig = plt.figure(figsize=(90, 90), dpi = 10)
ax = fig.add_subplot(1,1,1)
x_posi, y_posi, y_posi2 = 320, 25, 25
for c in list_color:
if list_color.index(c) <= 5:
y_posi += 125
rect = patches.Rectangle((x_posi, y_posi), 290, 115, facecolor = c)
ax.add_patch(rect)
ax.text(x = x_posi+360, y = y_posi+80, s = c, fontdict={'fontsize': 150})
else:
y_posi2 += 125
rect = patches.Rectangle((x_posi + 800, y_posi2), 290, 115, facecolor = c)
ax.add_artist(rect)
ax.text(x = x_posi+1160, y = y_posi2+80, s = c, fontdict={'fontsize': 150})
ax.axis('off')
plt.imshow(bg)
plt.tight_layout()
三、完整代碼
我為了省事，resize路徑被寫在程序了，請注意根據自己的情況修改。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.patches as patches
import matplotlib.image as mpimg
from PIL import Image
from matplotlib.offsetbox import OffsetImage, AnnotationBbox
import cv2
import extcolors
from colormap import rgb2hex
def color_to_df(input):
colors_pre_list = str(input).replace('([(', '').split(', (')[0:-1]
df_rgb = [i.split('), ')[0] + ')' for i in colors_pre_list]
df_percent = [i.split('), ')[1].replace(')', '') for i in colors_pre_list]
# convert RGB to HEX code
df_color_up = [rgb2hex(int(i.split(", ")[0].replace("(", "")),
int(i.split(", ")[1]),
int(i.split(", ")[2].replace(")", ""))) for i in df_rgb]
df = pd.DataFrame(zip(df_color_up, df_percent), columns=['c_code', 'occurence'])
return df
def exact_color(input_image, resize, tolerance, zoom):
# background
bg = 'bg.png'
fig, ax = plt.subplots(figsize=(192, 108), dpi=10)
fig.set_facecolor('white')
plt.savefig(bg)
plt.close(fig)
# resize
output_width = resize
img = Image.open(input_image)
if img.size[0] >= resize:
wpercent = (output_width / float(img.size[0]))
hsize = int((float(img.size[1]) * float(wpercent)))
img = img.resize((output_width, hsize), Image.ANTIALIAS)
resize_name = 'C:/Users/zyh/Desktop/resize_456.jpg'
img.save(resize_name)
else:
resize_name = input_image
# crate dataframe
img_url = resize_name
colors_x = extcolors.extract_from_path(img_url, tolerance=tolerance, limit=13)
df_color = color_to_df(colors_x)
# annotate text
list_color = list(df_color['c_code'])
list_precent = [int(i) for i in list(df_color['occurence'])]
text_c = [c + ' ' + str(round(p * 100 / sum(list_precent), 1)) + '%' for c, p in zip(list_color, list_precent)]
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(160, 120), dpi=10)
# donut plot
wedges, text = ax1.pie(list_precent,
labels=text_c,
labeldistance=1.05,
colors=list_color,
textprops={'fontsize': 150, 'color': 'black'})
plt.setp(wedges, width=0.3)
# add image in the center of donut plot
img = mpimg.imread(resize_name)
imagebox = OffsetImage(img, zoom=zoom)
ab = AnnotationBbox(imagebox, (0, 0))
ax1.add_artist(ab)
# color palette
x_posi, y_posi, y_posi2 = 160, -170, -170
for c in list_color:
if list_color.index(c) <= 5:
y_posi += 180
rect = patches.Rectangle((x_posi, y_posi), 360, 160, facecolor=c)
ax2.add_patch(rect)
ax2.text(x=x_posi + 400, y=y_posi + 100, s=c, fontdict={'fontsize': 190})
else:
y_posi2 += 180
rect = patches.Rectangle((x_posi + 1000, y_posi2), 360, 160, facecolor=c)
ax2.add_artist(rect)
ax2.text(x=x_posi + 1400, y=y_posi2 + 100, s=c, fontdict={'fontsize': 190})
fig.set_facecolor('white')
ax2.axis('off')
bg = plt.imread('bg.png')
plt.imshow(bg)
plt.tight_layout()
return plt.show()
exact_color('C:/Users/zyh/Desktop/456.jpg', 900, 12, 2.5)運行結果如下
到此這篇關于使用Python進行圖像顏色量化的文章就介紹到這了,更多相關Python圖像顏色量化內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
這篇文章主要為大家詳細介紹了python實現名片管理系統(tǒng)，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2021-04-04
對numpy中的transpose和swapaxes函數詳解
今天小編就為大家分享一篇對numpy中的transpose和swapaxes函數詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-08-08
今天小編就為大家分享一篇python實現數據導出到excel的示例--普通格式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-05-05
這篇文章主要介紹了python生成隨機圖形驗證碼詳解，具有一定參考價值，需要的朋友可以參閱。2017-11-11
本文通過實例代碼給大家介紹了python2.7實現圖形密碼生成器，代碼簡單易懂，非常不錯，具有一定的參考借鑒價值，需要的朋友參考下吧2019-11-11
在Python中，set是一種集合數據類型，表示一個無序且不重復的集合。本文主要為大家詳細介紹了Python中set方法的使用，需要的可以參考一下2023-04-04
今天小編就為大家分享一篇python修改txt文件中的某一項方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-12-12
在本篇文章里小編給大家整理了一篇關于python爬蟲設置每個代理ip的簡單方法，有興趣的朋友們可以學習參考下。2021-08-08
Python是一種廣泛使用的高級編程語言,然而在處理包含中文字符的文件路徑時,Python有時會表現出一些不友好的行為,下面小編就來為大家介紹一下具體的解決方法吧2025-03-03
今天小編就為大家分享一篇sklearn+python:線性回歸案例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-02-02