检测图像通常是红色、绿色、蓝色还是黑色

Question

我正在处理红色、绿色、蓝色或黑色的小图像（认为卡片排列在4色组中）。什么是一种好的、快速的算法来确定图像的颜色？

对于一组输入的示例，请参见此处，但图像可以缩放，因此它们不会那么清晰。

Answer 1

这些是您正在使用的精确图像吗？如果是，是否所有图像上都有一个像素将被着色？我在想西装在哪里。看看西装应该在哪里的像素，它会告诉你卡片是什么"颜色"。

更通用的方法可能包括分析整个图像（缓慢但有效），缩小图像并分析每个像素（如果你最终得到的是一个小图像，则更可行，但缩放可能会影响颜色），或者随机采样n像素（或像素的行/列），如果提前知道颜色的阴影，但你需要一个通用的方法吗？

哦，另一个想法：你控制输入图像的来源吗？也许你可以用一个数字来覆盖一些图像元数据阶段，以指示"颜色"。这有点作弊，因为它不涉及真实的图像处理，而且很容易被剥离/修改标签，但这可能是最快的方法。

Answer 2

这对于一个像素来说足够好：

def get_ishness(r,g,b):
    h,s,v = rgb_to_hsv(r,g,b) #h from 0-360, s and v from 0-100
    if v < 50: return 'black'
    if s < 15: return None
    if h < 10: return 'red'
    if 80 < h < 100: return 'green'
    if 210 < h < 230: return 'blue'
    return None

对于整个图像，我将红色、绿色、蓝色和黑色的像素相加，并返回像素最多的颜色。

Answer 3

这篇文章似乎已经解决了，但如果你不介意我的2美分。。。

在我看来，你需要一个通用的方法，而你事先不知道图像是什么。虽然已经发布的答案应该足够好，可以通过一些调整进行快速编码，但如果你仍然遇到问题，我建议你使用自组织映射：http://davis.wpi.edu/~matt/courses/soms/和http://www.ai-junkie.com/ann/som/som1.html

它可能需要一些（无监督的）训练时间来获得一个像样的地图/识别器（嘿，毕竟这是一个神经网络），但我遇到了一个有点像你的问题，它们对我来说很好（易于适应，灵活适应不同的光照等）。