如何使用python中matplotlib庫分析圖像顏色

　　用代碼分析圖像可能很困難。你如何使代碼“理解”圖像的上下文?
 

　　通常，使用AI分析圖像的第一步 是找到主要顏色。在如何使用python中matplotlib庫分析圖像顏色中，我們將使用matplotlib的 image類在圖像中找到主色 。查找主導(dǎo)色也是你可以使用第三方API進(jìn)行的操作，但是我們將構(gòu)建自己的系統(tǒng)來執(zhí)行此操作，以便我們可以完全控制該過程。
 

　　我們將首先研究將圖像轉(zhuǎn)換為矩陣形式的其組成顏色，然后對它執(zhí)行k均值聚類以找到主要顏色。
 

　　先決條件
 

　　如何使用python中matplotlib庫分析圖像顏色假定你了解Python的基礎(chǔ)知識，但你以前無需使用Python處理圖像。
 

　　如何使用python中matplotlib庫分析圖像顏色基于以下內(nèi)容：
 

　　1)Python版本3.6.5

　　2)matplotlib版本2.2.3：解碼圖像并可視化主色

　　3)scipy版本1.1.0：執(zhí)行確定主導(dǎo)顏色的聚類
 

　　軟件包 matplotlib ， scipy 可以通過軟件包管理器安裝 pip。你可能需要在虛擬環(huán)境中安裝特定版本的軟件包， 以確保與正在處理的其他項(xiàng)目的依賴項(xiàng)沒有沖突。

　　此外，我們將在如何使用python中matplotlib庫分析圖像顏色中分析JPG圖像，僅當(dāng)你安裝其他包裝枕頭時(shí)，該支持才可用。
 

　　另外，你也可以只使用Jupyter筆記本。如何使用python中matplotlib庫分析圖像顏色的代碼在Anaconda 1.8.7版的Jupyter筆記本上運(yùn)行。以上這些程序包已預(yù)先安裝在Anaconda中。
 

　　解碼圖像
 

　　圖像可能具有各種擴(kuò)展名-JPG，PNG，TIFF很常見。這篇文章只關(guān)注JPG圖片，但是其他圖片格式的處理應(yīng)該不會有太大不同。該過程的第一步是讀取圖像。
 

　　具有JPG擴(kuò)展名的圖像作為點(diǎn)列表(稱為像素)存儲在內(nèi)存中。甲 像素，或一個(gè)圖像元素，表示的圖像中的一個(gè)點(diǎn)。點(diǎn)的顏色由三個(gè)值的組合確定-它的三個(gè)分量顏色(紅色，藍(lán)色和綠色)。像素的顏色本質(zhì)上是這三種顏色的組合。

　　讓我們使用下面的圖片來查找圖像中的主色。你可以在此處下載圖像 。
 

　　要在Python中讀取圖像，你需要導(dǎo)入 (documentation)image 類 。 圖像類的 方法將圖像解碼為其RGB值。該方法的輸出 是一個(gè)尺寸為M x N x 3的數(shù)組，其中M和N是圖像的尺寸。matplotlibimread()imread()

　　你可以使用的 類的 imshow() 方法 來顯示圖像，該圖像采用RGB值矩陣的形式。Matplotlib pyplot

　　我們從該imread() 方法獲得的矩陣取決于所讀取圖像的類型。例如，PNG圖像還將包含一個(gè)用于測量像素透明度的元素。這篇文章將只涵蓋JPG圖片。
 

　　在繼續(xù)對圖像進(jìn)行聚類之前，我們需要執(zhí)行其他步驟。在找出圖像的主要顏色的過程中，我們不關(guān)心像素的位置。因此，我們需要將M x N x 3矩陣轉(zhuǎn)換為三個(gè)單獨(dú)的列表，其中包含各自的紅色，藍(lán)色和綠色值。以下代碼段將存儲在圖像中的矩陣轉(zhuǎn)換為三個(gè)單獨(dú)的列表，每個(gè)列表的長度為40,000(200 x 200)。

　　上面的代碼段創(chuàng)建三個(gè)空列表，然后通過我們的圖像的每個(gè)像素循環(huán)，附加的RGB值，以我們的 r， g和 b 分別列出。如果正確完成，則每個(gè)列表的長度將為40,000(200 x 200)。
 

　　集群基礎(chǔ)
 

　　現(xiàn)在我們已經(jīng)存儲了圖像的所有組成色，是時(shí)候找到主要顏色了。現(xiàn)在讓我們花一點(diǎn)時(shí)間來了解聚類的基本知識，以及它如何幫助我們找到圖像中的主要色彩。
 

　　聚類是一項(xiàng)有助于根據(jù)特定屬性將相似項(xiàng)目分組在一起的技術(shù)。我們將對 上面剛剛創(chuàng)建的三種顏色的列表應(yīng)用 k均值聚類。
 

　　每個(gè)聚類中心的顏色將反映聚類所有成員的屬性的平均值，這將有助于我們確定圖像中的主要顏色。
 

　　有幾種主要顏色?
 

　　在我們對像素?cái)?shù)據(jù)點(diǎn)執(zhí)行k均值聚類之前，對并非所有圖像都具有相同數(shù)量的主色，找出一個(gè)給定圖像理想的聚類可能對我們來說是一件好事。
 

　　由于我們正在處理三個(gè)用于聚類的變量-像素的紅色，藍(lán)色和綠色值-我們可以在三個(gè)維度上可視化這些變量，以了解可能存在多少種主色。
 

　　要在中制作3D圖 matplotlib，我們將使用 Axes3D() 類(文檔)。使用Axes3D() 該類初始化軸后，我們使用該 scatter 方法，并將三個(gè)顏色值列表用作參數(shù)。
 

　　在結(jié)果圖中，我們可以看到點(diǎn)的分布形成了兩個(gè)拉長的簇。通過查看它，我們可以看到圖像主要由兩種顏色組成，這一事實(shí)也支持了這一點(diǎn)。因此，在下一節(jié)中，我們將重點(diǎn)介紹創(chuàng)建兩個(gè)群集。
 

　　首先，盡管如此，我們可能會猜測3D圖可能無法為某些圖像生成不同的聚類。另外，如果我們使用的是PNG圖像，則將有第四個(gè)拼合度(每個(gè)像素的透明度值)，這將使得無法在三個(gè)維度上進(jìn)行繪制。在這種情況下，你可能需要使用 彎頭方法來確定理想的群集數(shù)。
 

　　在SciPy中執(zhí)行聚類
 

　　在上一步中，我們確定需要兩個(gè)聚類，現(xiàn)在可以對數(shù)據(jù)執(zhí)行k-均值聚類了。讓我們創(chuàng)建一個(gè)Pandas數(shù)據(jù)框來輕松管理變量。

　　使用SciPy進(jìn)行k均值聚類的過程實(shí)質(zhì)上涉及三個(gè)步驟：
 

　　1)通過將每個(gè)數(shù)據(jù)點(diǎn)除以其標(biāo)準(zhǔn)偏差來標(biāo)準(zhǔn)化變量。我們將使用該類的 whiten() 方法 vq。

　　2)使用該kmeans() 方法生成集群中心 。

　　3)使用類的vq() 方法 為每個(gè)數(shù)據(jù)點(diǎn)生成群集標(biāo)簽 vq。
 

　　上面的第一步確保每個(gè)變量的變化均等地影響聚類。想象一下兩個(gè)尺度差異很大的變量。如果我們忽略上面的第一步，那么規(guī)模和變化較大的變量將對簇的形成產(chǎn)生更大的影響，從而使過程產(chǎn)生偏差。因此，我們使用whiten() 函數(shù)將變量標(biāo)準(zhǔn)化 。該 whiten() 函數(shù)采用一個(gè)參數(shù)，變量值的列表或數(shù)組，然后返回標(biāo)準(zhǔn)化值。標(biāo)準(zhǔn)化后，我們將打印數(shù)據(jù)框的樣本。請注意，標(biāo)準(zhǔn)化列中列的變化已大大減少。

　　下一步是使用標(biāo)準(zhǔn)化列執(zhí)行k均值聚類。我們將使用kmeans() 執(zhí)行聚類的 功能。的 kmeans() 功能(文檔)具有兩個(gè)參數(shù)-的意見和簇的數(shù)目。它返回兩個(gè)值-聚類中心和變形。失真是每個(gè)點(diǎn)與其最近的群集中心之間的距離平方的總和。在如何使用python中matplotlib庫分析圖像顏色中，我們不會使用失真。

　　k均值聚類的最后一步是生成聚類標(biāo)簽。但是，在本練習(xí)中，我們不需要這樣做。我們僅在尋找由聚類中心表示的主色。
 

　　顯示主要顏色
 

　　我們已經(jīng)執(zhí)行了k均值聚類并生成了聚類中心，所以讓我們看看它們包含哪些值。

　　如你所見，我們得到的結(jié)果是 RGB值的標(biāo)準(zhǔn)化版本。為了獲得原始顏色值，我們需要將它們與標(biāo)準(zhǔn)偏差相乘。
 

　　我們將使用的 類imshow() 方法 以調(diào)色板的形式顯示顏色。但是，要顯示顏色， 需要RGB值在0到1的范圍內(nèi)，其中1表示我們原始RGB值比例中的255。因此，我們必須將群集中心的每個(gè)RGB分量除以255，以獲得0到1之間的值，并通過該方法顯示它們 。matplotlibpyplotimshow()imshow()
 

　　最后，在使用imshow()函數(shù)(文檔)繪制顏色之前，我們還要多加考慮 。聚類中心的尺寸為N x 3，其中N是聚類數(shù)。 imshow() 最初旨在顯示顏色的AXB矩陣，因此需要3D尺寸為A x B x 3的數(shù)組(調(diào)色板中每個(gè)塊包含三個(gè)顏色元素)。因此，我們需要通過將聚類中心的顏色作為單個(gè)元素的列表傳遞，將N x 3矩陣轉(zhuǎn)換為1 x N x 3矩陣。例如，如果我們將顏色存儲在其中， colors 則需要[colors] 作為參數(shù)傳遞 給 imshow()。
 

　　讓我們探索圖像中的主要色彩。

　　不出所料，圖像中看到的顏色與我們開始使用的圖像中的突出顏色非常相似。也就是說，你可能已經(jīng)注意到上面的淺藍(lán)色實(shí)際上并未出現(xiàn)在我們的源圖像中。請記住，聚類中心是每個(gè)聚類中所有像素的所有RGB值的均值。因此，最終的聚類中心實(shí)際上可能不是原始圖像中的顏色，而只是RBG值位于聚類中心，即圖像中所有看起來相似的像素。
 

　　結(jié)論
 

　　在如何使用python中matplotlib庫分析圖像顏色中，我們逐步研究了如何使用matplotlib 和查找Python中圖像的主色 scipy。我們從JPG圖像開始，然后使用imread() 中的圖像類方法 將其轉(zhuǎn)換為RGB值 matplotlib。然后，我們使用進(jìn)行k均值聚類， scipy 以找到主要顏色。最后，我們使用imshow()中的pyplot 類 方法 顯示了主色 matplotlib。