如何检测图像内的“图像区域”百分比？答案

【问题标题】：How to detect an 'image area' percentage inside an image?如何检测图像内的“图像区域”百分比？
【发布时间】：2011-01-26 14:24:39
【问题描述】：

嗯，用我蹩脚的英语有点难以解释；）

所以，假设我有一张图片，不管是 200x200 像素大小（总面积 40000 像素）的（gif、jpg、png）类型

这张图片有背景，可以是透明的，也可以是各种颜色（但我事先知道背景颜色）。

假设在这张图片的中间，有一张 100x100 像素（总面积 10000 像素）的图片（为了保持示例简单，我们假设是一个正方形）。

我需要知道小方块在图像中填充的面积百分比。

所以，在我知道完整图像大小和背景颜色的情况下，php/python 中有一种方法可以扫描图像并检索它（简而言之，计算与给定背景不同的像素）？

在上面的例子中，结果应该是 25%

编辑：这是两张图片作为示例（顺便说一句；）：

我需要知道整个图像中青椒的百分比（即400x400）

【问题讨论】：

周边只有一种颜色吧？
是的，周围区域（背景）只是一种颜色或透明的。

标签： php python web-applications image-processing image-manipulation

【解决方案1】：

from PIL import Image
image = Image.open("pepper.png")
bg = image.getpixel((0,0))
width, height = image.size
bg_count = next(n for n,c in image.getcolors(width*height) if c==bg)
img_count = width*height - bg_count
img_percent = img_count*100.0/width/height

两张图片都给出 7.361875

【讨论】：

哇，这正是我需要的，它对背景 (0,0) 进行采样，然后将每个像素与它进行比较。太好了。
太棒了！这帮助我开发了一个 10-liner，用于从巨大的图像集合中整理出几乎所有的图表，因为其中许多都有白色背景！太好了！

【解决方案2】：

我假设周围区域只有一种颜色，图像中的物体可以有任何形状（所以你需要先找出它的坐标，对吧？）

如果您可以使用 ImageMagick，那就很容易了。

图像的存储大小（40000 像素）
将图像发送到 ImageMagick 并使用 -trim 修剪周围区域（描述 here）
将生成的图像（10000 像素）的大小与原始图像的大小进行比较

如果您不能使用 ImageMagick，则必须使用 GD 裁剪掉周围区域。粗略的描述在this question 的回答中。不过，我很确定这已经在 PHP 中实现了。

【讨论】：

@DaNieL 啊，我明白了。那不一样。修剪图像绝对是您需要采取的步骤。唔。可以使用 ImageMagick 吗？
当然，我正在运行我自己的服务器，所以我可以安装所有东西；但更简单和“无依赖”的方式将是首选;)
@Daniel 如果辣椒中间有一个带有背景颜色的洞，那是 25% 的一部分还是周围 75% 的一部分？
这个洞会成为背景的一部分！

【解决方案3】：

使用 Python 和 PIL（Python Imaging Library），您可以尝试以下方法（未经测试 - 此处归功于 original thread）：

 from PIL import ImageChops

 def trim(im, border):
     bg = Image.new(im.mode, im.size, border)
     diff = ImageChops.difference(im, bg)
     bbox = diff.getbbox()
     if bbox:
         return im.crop(bbox)
     else:
         # found no content
         raise ValueError("cannot trim; image was empty")

然后根据width * height（修剪前后）进行计算。

【讨论】：

【解决方案4】：

这在一定程度上取决于您的精度要求以及图像中是否存在背景颜色。考虑一下这个烦人的测试用例：

制作一个 400 pt 大的“G”。
将文本设为白色。点击“阴影”或“轮廓”，使其被黑色包围。
将其放在白色背景上。

选择你的努力：

您可以得到一个边界框，它严重高估了“G”的大小，因为里面的大片空白。
您可以计算白色像素，由于轮廓内有许多白色像素，这严重低估了“G”的大小。
您可以选择图像中没有的颜色，例如蓝色，然后从左上角运行递归画家算法。然后你就可以准确地计算蓝色像素了。
有更快的方法，但也更复杂。

您通常可以使用 PIL (Python Imaging Library) http://www.pythonware.com/products/pil/ 从文件格式中访问原始图像数据。

【讨论】：