更新：優化了代碼，理由numpy的ufunc函數功能替換了之前的雙重for循環，測試圖片大小為692*1024*3，優化前運行時間為6.9s，優化后為0.8s。

由于工作需要，需要計算顏色直方圖來提取顏色特征，但若不將顏色空間進行量化，則直方圖矢量維數過高，不便于使用。但是看了opencv API后并未發現提供了相關函數能夠在計算顏色直方圖的同時進行量化，因此這部分功能只能自己實現。下面分為兩個部分進行介紹：

一、顏色空間量化表

由于RGB模型不夠直觀，不符合人類視覺習慣，因此在進行顏色特征提取前，需要將照片從RGB顏色模型轉換為更符合人類視覺的HSV模型。在提取顏色特征時，最常用的方法之一為顏色直方圖法，但一張圖片中出現的顏色一般特別多，導致直方圖矢量的維數較高，因此需要對HSV空間進行量化。根據人眼對顏色的感知特性，采用較為常用的量化方法，即按照如下對應關系進行量化：

基于上述量化表，將各顏色分量按照下述公式合成為72維一維矢量：

二、量化代碼

代碼使用純python寫成，效率偏低，處理388*500像素的照片用時1.45秒。在quantilize函數中，未使用if-else判斷語句，因此至少節省了1/3的時間。但這個速度顯然是無法令人滿意的，用C++效率應該會更高點。如果有人有更好的想法，歡迎在下方評論交流。

#-*-coding:utf-8-*-import cv2import numpy as npfrom datetime import datetimefrom matplotlib import pyplot as pltdef 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直方圖量化 value : [21, 144, 23] h, s, v opencv中，h-[0,180], s-[0,255], v-[0,255] ’’’ # value[0] = value[0] * 2 hlist = [20, 40, 75, 155, 190, 270, 290, 316, 360] svlist = [21, 178, 255] for i in range(len(hlist)): if value[0] <= hlist[i]: h = i % 8 break for i in range(len(svlist)): if value[1] <= svlist[i]: s = i break for i in range(len(svlist)): if value[2] <= svlist[i]: v = i break return 9 * h + 3 * s + v

以上，歡迎批評交流～

三、更新

#-*-coding:utf-8-*-import cv2import numpy as npfrom datetime import datetimefrom matplotlib import pyplot as plthlist = [20, 40, 75, 155, 190, 270, 290, 316, 360]svlist = [21, 178, 255]def quantilize(h, s, v): ’’’hsv直方圖量化’’’ # value : [21, 144, 23] h, s, v h = h * 2 for i in range(len(hlist)): if h <= hlist[i]: h = i % 8 break for i in range(len(svlist)): if s <= svlist[i]: s = i break for i in range(len(svlist)): if v <= svlist[i]: v = i break return 9 * h + 3 * s + vquantilize_ufunc = np.frompyfunc(quantilize, 3, 1) # 自定義ufunc函數，即將quantilize函數轉化為ufunc函數，其輸入參數為３個，輸出參數為１個。def colors(img): hsv = cv2.cvtColor(img, cv2.COLOR_RGB2HSV) nhsv = quantilize_ufunc(hsv[:,:,0], hsv[:,:,1], hsv[:,:,2]).astype(np.uint8) # 由于frompyfunc函數返回結果為對象，所以需要轉換類型 hist = cv2.calcHist([nhsv], [0], None, [72], [0,71]) # 40x faster than np.histogram hist = hist.reshape(1, hist.shape[0]).astype(np.int32).tolist()[0] return histif __name__ == ’__main__’: img_path = path + ’test.jpg’ img = cv2.imread(img_path) colors(img)

結果

[0, 11, 31490, 100, 3, 32685, 0, 28, 313, 0, 0, 3268, 31, 0, 558364, 6, 1, 441, 0, 0, 2301, 92, 0, 34056, 0, 1, 396, 0, 0, 2682, 84, 5, 712, 0, 137, 55, 0, 0, 1215, 20, 2, 224, 0, 3, 0, 0, 0, 13838, 56, 0, 23474, 63, 23, 1, 0, 0, 4764, 0, 0, 2335, 0, 25, 27, 0, 0, 2302, 5, 0, 1676, 1, 59, 389]

以上這篇python下對hsv顏色空間進行量化操作就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持好吧啦網。