当前位置：首页 > web >正文

python如何统计图片的颜色分布

web 2025/6/26 3:47:20

首先，确保你已经安装了必要的库：

pip install pillow numpy matplotlib

然后，使用以下Python代码来统计图片的颜色分布：

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
from collections import Counter
import os# 1. 读取图片
image_path = 'your_image.jpg'  # 替换为你的图片路径
if not os.path.exists(image_path):raise FileNotFoundError(f"图片文件 {image_path} 不存在，请检查文件路径。")image = Image.open(image_path)# 2. 获取像素数据
pixels = np.array(image)# 3. 统计颜色分布（这里以RGB三个通道为例）
# 将像素数组展平，以便统计每个颜色的出现次数
pixels_flat = pixels.reshape(-1, 3)# 使用Counter统计每种颜色的出现次数
color_counts = Counter(map(tuple, pixels_flat))# 4. 处理颜色量化（可选步骤，这里以简单取整为例）
# 定义量化级别，例如将每个通道的值量化为8个级别（0-31, 32-63, ..., 224-255）
quantization_level = 32
quantized_colors = [(r // quantization_level * quantization_level,g // quantization_level * quantization_level,b // quantization_level * quantization_level)for r, g, b in pixels_flat]# 使用Counter统计量化后的颜色分布
quantized_color_counts = Counter(map(tuple, quantized_colors))# 5. 可视化结果（以直方图为例）
# 获取颜色及其对应的计数
colors = list(quantized_color_counts.keys())
counts = list(quantized_color_counts.values())# 为了可视化，我们可以将颜色转换为RGB元组，并归一化计数
# 注意：这里我们使用RGB元组作为颜色，但Matplotlib的bar函数需要颜色名称或十六进制代码，
# 因此我们需要将RGB元组转换为十六进制代码。
hex_colors = ['#%02x%02x%02x' % color for color in colors]# 绘制直方图
plt.figure(figsize=(12, 6))
plt.bar(range(len(counts)), counts, color=hex_colors)
plt.xticks([])  # 隐藏x轴标签，因为颜色已经通过条形颜色表示
plt.xlabel('Colors')
plt.ylabel('Counts')
plt.title('Color Distribution Histogram')
plt.savefig('color_distribution_histogram.png')  # 保存图像到文件，而不是显示它# 打印前10种最常见的颜色及其计数（可选）
print("Top 10 most common colors:")
for color, count in quantized_color_counts.most_common(10):print(f"Color: {color}, Count: {count}")

代码说明：

读取图片：
- 使用PIL.Image.open函数读取图片文件。
- 在读取之前，使用os.path.exists检查文件是否存在，以避免程序崩溃。
获取像素数据：
- 使用numpy.array将图片转换为像素数组。
- 使用reshape(-1, 3)将像素数组展平，以便逐个访问每个像素的颜色信息。
统计颜色分布：
- 使用collections.Counter统计每种颜色的出现次数。
- 颜色以RGB元组的形式表示，例如(255, 0, 0)表示红色。
处理颜色量化：
- 颜色量化是为了减少计算量并得到更有意义的结果。
- 在这个示例中，我们将每个通道的值量化为8个级别（0-31, 32-63, …, 224-255）。
- 你可以根据需要调整quantization_level的值。
可视化结果：
- 使用matplotlib.pyplot绘制直方图，展示量化后的颜色分布。
- 颜色条形的高度表示该颜色的出现次数。
- 颜色条形的颜色与对应的颜色一致。
- 直方图保存为color_distribution_histogram.png文件。
打印前10种最常见的颜色及其计数：
- 使用quantized_color_counts.most_common(10)获取前10种最常见的颜色及其计数。
- 你可以根据需要调整打印的数量。