查找图像中对象的区域和颜色答案

【问题标题】：Finding the area and colours of an object in an image查找图像中对象的区域和颜色
【发布时间】：2017-08-13 19:42:35
【问题描述】：

我有一张像这样的图片：

我想弄清楚几件事：

纹身的主要颜色是什么？
皮肤的主要颜色是什么？
纹身的面积（以像素为单位）是多少？具体来说就是上面的纹身？

我是图像处理的新手，但我的攻击计划是这样的：

运行边缘检测
填充轮廓
获取该图像的 Alpha 以获得纹身的 Alpha
width * height * % of white in alpha = area of tattoo ink
将 alpha 应用于原始图像并获取颜色分布，以某种方式给出“这个纹身里面有黑色和红色”这样的答案
反转 Alpha 并将其应用于原始图像，以获取肤色并找到平均色调

这似乎是获得最终结果的明智方法吗？作为新手，我可能不知道有什么更简单/更可靠的东西吗？

我使用skimage 对其运行了一些边缘分析代码，得到了这样的轮廓：

但我无法从这里用颜色填充轮廓以创建 Alpha。问题是我只想知道墨水的区域，而不是整个纹身的区域，所以这似乎更难填充轮廓

【问题讨论】：

标签： opencv image-processing scikit-image

【解决方案1】：

我建议使用以下方法，而不是使用边缘检测和轮廓-

1) 将图像从 RGB 转换为灰度。

2) 使用自适应阈值将其转换为二进制图像（我在查看您上传的图像后建议这样做）。

3) 现在只需计算像素数，就可以得到纹身和皮肤的面积。

4) 要计算主要颜色（我在这里只看到两种），您可以只计算二进制图像中与纹身和皮肤对应的所有像素的平均值，也可以计算颜色直方图。

【讨论】：

强烈 +1 这种方法。但是，对于步骤 (3)，我建议在标签/二值化/阈值图像上使用 skimage.measure.regionprops（即在步骤 (2) 的输出上）。

【解决方案2】：

另一种方法是通过 k-means 聚类执行颜色量化。提供的示例中显示的纹身只有一种颜色，因此量化后的图像应该有两种颜色，即墨水和皮肤。

import numpy as np
from skimage import io
from sklearn.cluster import KMeans

img = io.imread('https://i.stack.imgur.com/Upcb0.png')
n_colors = 2

X = img.reshape((-1, 3))
kmeans = KMeans(n_clusters=n_colors, random_state=0).fit(X)
labels = kmeans.labels_
centers = kmeans.cluster_centers_
quantized = centers[labels].reshape(img.shape).astype('uint8')

io.imshow(quantized)

主要颜色的 RGB 坐标是：

In [69]: centers
Out[69]: 
array([[ 226.44193236,  193.24337359,  175.1311746 ],
       [  40.0549615 ,   36.64523871,   40.75754915]])

假设墨水比皮肤深（即墨水颜色的欧几里得范数小于皮肤的颜色），纹身覆盖的图像像素比例可以这样计算：

In [70]: darkest = np.argmin(np.sqrt(np.sum(centers**2, axis=1)))

In [71]: np.true_divide(np.sum(labels == darkest), labels.size)
Out[71]: 0.24738437499999999

【讨论】：