通过直方图测量图像的颜色

Question

我正在尝试制作一种白色到黄色刻度的色度计。

我会尝试更好地解释，但由于我是 Python 和图像处理的新手，如果我说错了，请纠正我。

我正在使用 HSV 颜色空间，因为我读到它可以更好地表示三个分量（色调、饱和度和值）中的颜色特征。假设我有一个带有一些白色阴影的图像，程序应该能够根据像素的色调、饱和度和图像的值来计算一个值，就像我提供一个带有轻微白色到黄色阴影的图像一样，它应该给出类似的价值。

这是image of sugar crystals 的示例。当忽略紫色背景时，糖有白色和黄色两种色调。

我的第一次尝试是计算几乎全白图像的直方图并将其用作参考，然后计算另一张图像的直方图并比较它们以检查它们是否相似。越黄，越不相似，记住单个图像可以同时具有白色和黄色像素，甚至可以在色调直方图中具有一系列不同的黄色阴影）：

import numpy as np
import cv2
from matplotlib import pyplot as plt

image = cv2.imread("C:\...\im1.png")
image2 = cv2.imread("C:\...\im2.png")

hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
hsv_image2 = cv2.cvtColor(image2, cv2.COLOR_BGR2HSV)

hue_hist = cv2.calcHist([hsv_image], [0], None, [180], [0, 180])
sat_hist = cv2.calcHist([hsv_image], [1], None, [256], [0, 256])
val_hist = cv2.calcHist([hsv_image], [2], None, [256], [0, 256])

hue_hist2 = cv2.calcHist([hsv_image2], [0], None, [180], [0, 180])
sat_hist2 = cv2.calcHist([hsv_image2], [1], None, [256], [0, 256])
val_hist2 = cv2.calcHist([hsv_image2], [2], None, [256], [0, 256])

dh = cv2.compareHist(hue_hist, hue_hist2, cv2.cv.CV_COMP_CORREL)
ds = cv2.compareHist(sat_hist, sat_hist2, cv2.cv.CV_COMP_CORREL)
dv = cv2.compareHist(val_hist, val_hist2, cv2.cv.CV_COMP_CORREL)

之后，我将使用这三个单独的值来指示直方图在色相、饱和度和值方面的相似性， 然后我可以尝试一些数学建模，以便为 dh、ds、dv 的每个组合获得一些 y 分值。

问题在于，如果您比较黄色像素图像的色调直方图，相关性比较将表明它们完全不同，即使它们可以被解释为相似，因为白色到黄色的色调略有变化。我需要的东西不仅依赖于直方图上像素的频率，还依赖于色调值的接近度。

我认为的另一个解决方案是计算直方图的加权平均值，所以也许我可以有一个更接近的值 对于类似的分布，即使比较具有 30 个色相的像素峰值的图像和具有峰值的另一幅图像 具有 25 个色相的像素（它们不会完全远离彼此）。这个我还没试过。

您知道是否有更好的方法来实现这一目标，或者至少我是否在正确的方式上进行此类应用？

Answer 1

我不会使用 HSV 空间，因为白色的色调是不确定的（因为有噪音，你可以得到任何值）。

我会首先观察像素在 RGB 空间中的分布。 （但您没有提供任何示例图片。）

Answer 2

要获得图像的“黄色”，请先获取色调。然后将其分成扇区，以 180-300-60 (C-M-Y) 切割。 60 到 180 之间的任何值都是黄色和青色的线性组合； 60 到 300 之间的任何值都是黄色和洋红色的线性组合。 160 到 300 之间的任何值都将具有 0 的黄色值。将线性组合转换为 0-100% 的黄色。将此值称为y。

要获得白色“白度”，请使用饱和度。 S=0 是 100% 白色，S=30 是 70% 白色。将此值称为w。

然后你可以做类似的事情

yellowness = y / (y + w)
whiteness = w / (y + w)