OpenCV确定哪两个色调值最能代表图像

Question

我想确定在python3脚本中使用OpenCV最能代表图像的2个色调值。 到目前为止，我已经能够访问色调通道并显示其色调直方图：

如你所见，基本上有两种不同色调的像素，米色和绿色。在

我已获得色调频道的访问权，如下所示：

hsv = cv.cvtColor( self.img, cv.COLOR_BGR2HSV ) hue,sat,val = cv.split(hsv)

Answer 1

我已经解决了你在帖子中提到的一些事情。在

1. 你不应该回到uint8。中心是一个大小（2,3）的数组，其中行是中心点（即色调），列是每个色调的BGR值。

2. 我已经切换到scipykmeans2，而不是使用OpenCVs实现。在同一张图片上它似乎比OpenCV快3倍。在

   import numpy as np
   from scipy.cluster.vq import kmeans, kmeans2
   import time, sys, cv2
   
   img = cv2.imread('3.jpg')                                                                                                                              
   print (sys.version)                                                                                                                                    
   if sys.version_info[0] < 3:
       raise Exception("Python 3 or a more recent version is required.")
   
   def redo():                                                                                                                                            
       Z = img.reshape((-1,3))                                                                                                                            
       Z = np.float32(Z)                                                                                                 
   
       # define criteria, number of clusters(K) and apply kmeans()                                                                                        
       criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)                                                                           
       K = 2                                                                                                                                              
       start_time = time.time()                                                                                                                           
       ret,label,center=cv2.kmeans(Z,K,None,criteria,10,cv2.KMEANS_RANDOM_CENTERS)                                                                        
       end_time = time.time()                                                                                                                             
       print("Elapsed cv2 time was %g seconds" % (end_time - start_time))                                                                                 
       print("center")                                                                                                                                    
       print(center)                                                                                                                                      
   
       start_time = time.time()                                                                                                                           
       spcenter, splabel = kmeans2(Z,K,10,1,'points','warn',False)                                                                                        
       end_time = time.time()                                                                                                                             
       print("Elapsed scipy time was %g seconds" % (end_time - start_time))                                                                               
       print("center")                                                                                                                                    
       print(spcenter)                                                                                                                                    
   
       print("diff")                                                                                                                                      
       check = np.abs(spcenter[0][0]-center[0][0])                                                                                                        
       checkflip = np.abs(spcenter[0][0]-center[1][0])                                                                                                    
       if (check < checkflip):                                                                                                                            
           print(np.abs(spcenter-center))                                                                                                                 
       else:                                                                                                                                              
           print("labels are flipped, has no effect on data")                                                                                             
           print(np.abs(spcenter-np.roll(center,1,0)))                                                                                                    
   
       # Now convert back into uint8, and make original image                                                                                             
       #center = np.uint8(center)                                                                                                                         
       res = spcenter[splabel.flatten()]
       res2 = res.reshape((img.shape))                                                                                                                    
       cv2.imwrite('converted.jpg',res2)                                                                                                                  
   
   redo()
   

你可能做不到比这段代码给你的时间更好的了。如果你的解决方案可行，你可以尝试缩小图像。这将导致更快的处理。在

另一个解决方案，如我所提到的，是转移到一个更快的语言，如C。我可以尝试一下，但我不确定你正在使用什么其他代码，它是否可以工作。如果你想走这条路，请告诉我。在