使用OpenCV和Python计算图像的“彩色度”

你是否尝试过计算每个图像的炫彩值，并根据炫彩值对自己的图像数据集进行排序！有可能会有意外的惊喜哦~

图像彩色有许多实用的用途，包括评估压缩算法，评估给定的相机传感器模块对颜色的敏感性，计算图像的“美学质量”，或者简单地创建批量图像的可视化以丰富多彩的顺序排列。

这篇博客将介绍如何使用Python，OpenCV计算图像的丰富度，测量自然图像的丰富多彩。然后使用OpenCV和Python实现炫彩度量的仿佛，并对一组图像进行炫彩度计算，并根据炫彩度量值排序选出最炫彩的25张图像，以及最不炫彩的25张图像。

1. 效果图

最炫彩的25图像，效果图如下（基本都是水果及美食图~）

最不炫彩的25图像，效果图如下（基本都是月亮图以及朦胧的张家界山顶，和看书的拍照笔记）

2. 炫彩度量方法是什么？

每张图像都是RGB三通道的彩色图，根据如下公式计算炫彩度量值；

3. 源代码

# USAGE
# python colorfulness.py --images E:\personal\images

# 导入必要的包
from imutils import build_montages
from imutils import paths
import numpy as np
import argparse
import imutils
import cv2


# 图像彩色度计算方法
def image_colorfulness(image):
    # 分离照片为三通道RGB值
    (B, G, R) = cv2.split(image.astype("float"))

    # 计算 rg = R - G 红绿对手颜色空间
    rg = np.absolute(R - G)

    # 计算 yb = 0.5 * (R + G) - B  黄蓝对手颜色空间
    yb = np.absolute(0.5 * (R + G) - B)

    # 计算`rg` and `yb` 的标准方差和均值
    (rgMean, rgStd) = (np.mean(rg), np.std(rg))
    (ybMean, ybStd) = (np.mean(yb), np.std(yb))

    # 将标准方差和均值合并
    stdRoot = np.sqrt((rgStd ** 2) + (ybStd ** 2))
    meanRoot = np.sqrt((rgMean ** 2) + (ybMean ** 2))

    # 获得图像彩色度量值，并返回
    return stdRoot + (0.3 * meanRoot)


# 构建命令行参数，并解析
# --image 输入图片文件夹路径
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--images", required=True,
                help="path to input directory of images")
args = vars(ap.parse_args())

# 初始化结果list
print("[INFO] computing colorfulness metric for dataset...")
# 通常情况下存储图像id：图像炫彩度量值，在这里介于图像数据量小且为了后续展示方便，存储图像：图像炫彩度量值
results = []

# 遍历图片路径
for imagePath in paths.list_images(args["images"]):
    # 加载图像，保持宽高比的缩放以加快处理速度，计算图像彩色度度量
    image = cv2.imread(imagePath)
    image = imutils.resize(image, width=250)
    C = image_colorfulness(image)

    # 显示图像的彩色度分数
    cv2.putText(image, "{:.2f}".format(C), (40, 40),
                cv2.FONT_HERSHEY_SIMPLEX, 1.4, (0, 255, 0), 3)

    # 添加图像的炫彩度量到结果list
    results.append((image, C))

# 对结果进行排序最炫彩图像靠前；
# 选出最炫彩、最不炫彩的25个图像
print("[INFO] displaying results...")
results = sorted(results, key=lambda x: x[1], reverse=True)
mostColor = [r[0] for r in results[:25]]
leastColor = [r[0] for r in results[-25:]][::-1]

# 构建俩组图像的蒙太奇效果
mostColorMontage = build_montages(mostColor, (128, 128), (5, 5))
leastColorMontage = build_montages(leastColor, (128, 128), (5, 5))

# 显示图像结果
cv2.imshow("Most Colorful", mostColorMontage[0])
cv2.imshow("Least Colorful", leastColorMontage[0])
cv2.waitKey(0)
# cv2.destroyAllWindows()

参考

• https://www.pyimagesearch.com/2017/06/05/computing-image-colorfulness-with-opencv-and-python/