python下对下对hsv颜色空间进行量化操作颜色空间进行量化操作
主要介绍了python下对hsv颜色空间进行量化操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编
过来看看吧
更新:更新:优化了代码,理由numpy的ufunc函数功能替换了之前的双重for循环,测试图片大小为692*1024*3,优化前运行时间为
6.9s,优化后为0.8s。
由于工作需要,需要计算颜色直方图来提取颜色特征,但若不将颜色空间进行量化,则直方图矢量维数过高,不便于使用。但
是看了opencv API后并未发现提供了相关函数能够在计算颜色直方图的同时进行量化,因此这部分功能只能自己实现。下面
分为两个部分进行介绍:
一、颜色空间量化表一、颜色空间量化表
由于RGB模型不够直观,不符合人类视觉习惯,因此在进行颜色特征提取前,需要将照片从RGB颜色模型转换为更符合人类
视觉的HSV模型。在提取颜色特征时,最常用的方法之一为颜色直方图法,但一张图片中出现的颜色一般特别多,导致直方
图矢量的维数较高,因此需要对HSV空间进行量化。根据人眼对颜色的感知特性,采用较为常用的量化方法,即按照如下对
应关系进行量化:
基于上述量化表,将各颜色分量按照下述公式合成为72维一维矢量:
二、量化代码二、量化代码
代码使用纯python写成,效率偏低,处理388*500像素的照片用时1.45秒。在quantilize函数中,未使用if-else判断语句,因此
至少节省了1/3的时间。但这个速度显然是无法令人满意的,用C++效率应该会更高点。如果有人有更好的想法,欢迎在下方
评论交流。
#-*-coding:utf-8-*-
import cv2
import numpy as np
from datetime import datetime
from matplotlib import pyplot as plt
def colors(imagepath):
img = cv2.imread(imagepath)
hsv = cv2.cvtColor(img, cv2.COLOR_RGB2HSV)
nhsv = np.zeros(hsv.shape[:2], dtype=np.uint8)
t2 = datetime.now()
for i in range(hsv.shape[0]):
for j in range(hsv.shape[1]):
nhsv[i][j] = quantilize(hsv[i][j])
print datetime.now() - t2
hist = cv2.calcHist([nhsv], [0], None, [72], [0,71]) # 40x faster than np.histogramfaster than np.histogram
plt.plot(hist,color = 'r')
plt.xlim([0, 72])
plt.show()
def quantilize(value):
'''hsv直方图量化
value : [21, 144, 23] h, s, v