大橙子网站建设,新征程启航
为企业提供网站建设、域名注册、服务器等服务
这篇文章给大家介绍OpenCV计算图片色彩丰富度的示例分析,内容非常详细,感兴趣的小伙伴们可以参考借鉴,希望对大家能有所帮助。
创新互联主要从事成都网站建设、网站制作、网页设计、企业做网站、公司建网站等业务。立足成都服务浦江,十载网站建设经验,价格优惠、服务专业,欢迎来电咨询建站服务:18982081108
首先我们要有一个色彩丰富度的标准。Hasler and Süsstrunk的研究将颜色丰富度划分为7级。
无(Not colorful)
稍微(Slightly colorful)
适度(Moderately colorful)
平均(Averagely colorful)
非常(Quite colorful)
高度(Highly colorful)
极端(Extremely colorful)
Hasler and Süsstrunk找了20个人对84副图片按照1-7分进行打分。最后对这份调查数据进行分析,发现图片颜色丰富度有如下计算公式。
最后的C就是图片颜色丰富度的指示变量(其中sigma和miu分别代表标准差和平均值)。
import cv2
import numpy as np
def image_colorfulness(image):
#将图片分为B,G,R三部分(注意,这里得到的R、G、B为向量而不是标量)
(B, G, R) = cv2.split(image.astype("float"))
#rg = R - G
rg = np.absolute(R - G)
#yb = 0.5 * (R + G) - B
yb = np.absolute(0.5 * (R + G) - B)
#计算rg和yb的平均值和标准差
(rbMean, rbStd) = (np.mean(rg), np.std(rg))
(ybMean, ybStd) = (np.mean(yb), np.std(yb))
#计算rgyb的标准差和平均值
stdRoot = np.sqrt((rbStd ** 2) + (ybStd ** 2))
meanRoot = np.sqrt((rbMean ** 2) + (ybMean ** 2))
# 返回颜色丰富度C
return stdRoot + (0.3 * meanRoot)
image = cv2.imread('图片路径')
print(image_colorfulness(image))
运行
#返回图片的丰富度值(0-100)
关于OpenCV计算图片色彩丰富度的示例分析就分享到这里了,希望以上内容可以对大家有一定的帮助,可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看到。