RGB图像中最主要的颜色-OpenCVNumPyPython

RGB图像中最主要的颜色-OpenCV / NumPy / Python

可以建议使用

np.unique

和

np.bincount

获得最主要颜色的两种方法。另外，在链接的页面中，它是

bincount

作为一种更快的替代方法讨论的，因此这可能是可行的方法。

方法1

def unique_count_app(a):    colors, count = np.unique(a.reshape(-1,a.shape[-1]), axis=0, return_counts=True)    return colors[count.argmax()]

方法＃2

def bincount_app(a):    a2D = a.reshape(-1,a.shape[-1])    col_range = (256, 256, 256) # generically : a2D.max(0)+1    a1D = np.ravel_multi_index(a2D.T, col_range)    return np.unravel_index(np.bincount(a1D).argmax(), col_range)

1000 x 1000

在宽范围内对彩色图像进行验证和计时，以

[0,9)

确保可重现的结果-

In [28]: np.random.seed(0)    ...: a = np.random.randint(0,9,(1000,1000,3))    ...:     ...: print unique_count_app(a)    ...: print bincount_app(a)[4 7 2](4, 7, 2)In [29]: %timeit unique_count_app(a)1 loop, best of 3: 820 ms per loopIn [30]: %timeit bincount_app(a)100 loops, best of 3: 11.7 ms per loop

进一步提升

在利用进一步推动

multi-core

与

numexpr

模块大数据-

import numexpr as nedef bincount_numexpr_app(a):    a2D = a.reshape(-1,a.shape[-1])    col_range = (256, 256, 256) # generically : a2D.max(0)+1    eval_params = {'a0':a2D[:,0],'a1':a2D[:,1],'a2':a2D[:,2],        's0':col_range[0],'s1':col_range[1]}    a1D = ne.evaluate('a0*s0*s1+a1*s0+a2',eval_params)    return np.unravel_index(np.bincount(a1D).argmax(), col_range)

时间-

In [90]: np.random.seed(0)    ...: a = np.random.randint(0,9,(1000,1000,3))In [91]: %timeit unique_count_app(a)    ...: %timeit bincount_app(a)    ...: %timeit bincount_numexpr_app(a)1 loop, best of 3: 843 ms per loop100 loops, best of 3: 12 ms per loop100 loops, best of 3: 8.94 ms per loop