我从 jpeg 格式的 PDF 文件中提取页面图像，我需要确定每个图像是否更加灰度、彩色或黑白（具有容差系数）。
我已经找到了一些使用 PIL（here 和 here）进行颜色检测的方法，但我不知道如何回答这个简单的（视觉）问题：它是不是更像黑白，颜色还是灰度图？
我更喜欢在这部分使用 Python 和 PIL，但如果有人有线索（或解决方案），我也可以使用 OpenCV。
【问题讨论】：
标签： python opencv python-2.7 python-imaging-library
您可以使用cv::Mat::channels() 运算符，它可以告诉您它是“灰度”（即 2 通道）还是“彩色”（即 3 通道）图像。对于黑白，您需要根据灰度设置更深入的测试，因为定义会有所不同。
【讨论】：
我找到了一种使用 PIL ImageStat 模块来猜测的方法。感谢this post 对图像进行单色测定。
from PIL import Image, ImageStat
MONOCHROMATIC_MAX_VARIANCE = 0.005
COLOR = 1000
MAYBE_COLOR = 100
def detect_color_image(file):
v = ImageStat.Stat(Image.open(file)).var
is_monochromatic = reduce(lambda x, y: x and y < MONOCHROMATIC_MAX_VARIANCE, v, True)
print file, '-->\t',
if is_monochromatic:
print "Monochromatic image",
else:
if len(v)==3:
maxmin = abs(max(v) - min(v))
if maxmin > COLOR:
print "Color\t\t\t",
elif maxmin > MAYBE_COLOR:
print "Maybe color\t",
else:
print "grayscale\t\t",
print "(",maxmin,")"
elif len(v)==1:
print "Black and white"
else:
print "Don't know..."
COLOR 和 MAYBE_COLOR 常量是用于查找彩色和灰度图像之间差异的快速开关，但它并不安全。例如，我有几张 JPEG 图像，它们被视为彩色，但实际上是灰度图像，由于扫描过程存在一些彩色伪影。这就是为什么我要注意另一个级别的真正舒尔彩色图像。
如果有人有更好的方法，请告诉我。
【讨论】：
我尝试了 Gepeto 的解决方案，但它有很多误报，因为颜色大方差可能只是偶然相似。正确的方法是计算每个像素的方差。首先缩小图像，这样您就不必处理数百万像素。
默认情况下，此函数还使用平均颜色偏差调整，我发现这可以改善预测。这样做的一个副作用是它还会检测单色但非灰度图像（通常是棕褐色的东西，该模型似乎在检测与灰度的较大偏差时有点崩溃）。您可以通过对色带均值进行阈值化，将这些与真正的灰度分开。
我在包含 13,000 张照片的测试集上运行此程序，并以 99.1% 的准确率和 92.5% 的召回率进行分类。通过使用非线性偏差调整可能会进一步提高准确性（例如，颜色值必须在 0 到 255 之间）。也许查看中值平方误差而不是 MSE 会更好地允许例如带有小颜色标记的灰度图像。
from PIL import Image, ImageStat
def detect_color_image(file, thumb_size=40, MSE_cutoff=22, adjust_color_bias=True):
pil_img = Image.open(file)
bands = pil_img.getbands()
if bands == ('R','G','B') or bands== ('R','G','B','A'):
thumb = pil_img.resize((thumb_size,thumb_size))
SSE, bias = 0, [0,0,0]
if adjust_color_bias:
bias = ImageStat.Stat(thumb).mean[:3]
bias = [b - sum(bias)/3 for b in bias ]
for pixel in thumb.getdata():
mu = sum(pixel)/3
SSE += sum((pixel[i] - mu - bias[i])*(pixel[i] - mu - bias[i]) for i in [0,1,2])
MSE = float(SSE)/(thumb_size*thumb_size)
if MSE <= MSE_cutoff:
print "grayscale\t",
else:
print "Color\t\t\t",
print "( MSE=",MSE,")"
elif len(bands)==1:
print "Black and white", bands
else:
print "Don't know...", bands
【讨论】：
我们使用这个简单的函数来确定图像的颜色因子。
# Iterate over all Pixels in the image (width * height times) and do this for every pixel:
{
int rg = Math.abs(r - g);
int rb = Math.abs(r - b);
int gb = Math.abs(g - b);
diff += rg + rb + gb;
}
return diff / (height * width) / (255f * 3f);
因为灰度值有 r-g = 0 和 r-b = 0 和 g-b = 0 对于灰度图像，diff 将接近 0，对于彩色图像，diff 将接近于 0。
【讨论】：
我个人更喜欢TomB的回答。这不是一个新的答案，我只是想发布Java版本：
private Mat calculateChannelDifference(Mat mat) {
// Create channel list:
List<Mat> channels = new ArrayList<>();
for (int i = 0; i < 3; i++) {
channels.add(new Mat());
}
// Split the channels of the input matrix:
Core.split(mat, channels);
Mat temp = new Mat();
Mat result = Mat.zeros(mat.size(), CvType.CV_8UC1);
for (int i = 0; i < channels.size(); i++) {
// Calculate difference between 2 successive channels:
Core.absdiff(channels.get(i), channels.get((i + 1) % channels.size()), temp);
// Add the difference to the result:
Core.add(temp, result, result);
}
return result;
}
结果是作为矩阵的差异，这样您可以应用一些阈值甚至检测形状。如果您希望结果为单个数字，则只需计算平均值。这可以使用Core.mean()
【讨论】：