Android/JAVA 图像分析-识别主要颜色

2020-04-27 本文已影响0人 Gophers

Android的同学可以参考另一篇:Android识别图片中的颜色
有些项目可能会遇到这类需求，识别一套服装或者其他物体的颜色信息，以此来判定他的颜色风格。如果业务交由于后端的话压力可能会比较大，其实前端自行处理一下就好了，逻辑也不复杂。

彩色图像的颜色模型有很多种形式，RGB、YUV、HSV、CMYK，其中在图像处理以RGB最为直观理解且显示器系统采用就是此类模型，而HSV更符合人眼的颜色分辨，通常在HSV颜色空间下进行颜色识别。

RGB的局限性

RGB 是我们接触最多的颜色空间，由三个通道表示一幅图像，分别为红色(R)，绿色(G)和蓝色(B)。这三种颜色的不同组合可以形成几乎所有的其他颜色。

RGB 颜色空间是图像处理中最基本、最常用、面向硬件的颜色空间，比较容易理解。

RGB 色空间利用三个颜色分量的线性组合来表示颜色，任何颜色都与这三个分量有关，而且这三个分量是高度相关的，所以连续变换颜色时并不直观，想对图像的颜色进行调整需要更改这三个分量才行。

自然环境下获取的图像容易受自然光照、遮挡和阴影等情况的影响，即对亮度比较敏感。而 RGB 颜色空间的三个分量都与亮度密切相关，即只要亮度改变，三个分量都会随之相应地改变，而没有一种更直观的方式来表达。

但是人眼对于这三种颜色分量的敏感程度是不一样的，在单色中，人眼对红色最不敏感，蓝色最敏感，所以 RGB 颜色空间是一种均匀性较差的颜色空间。如果颜色的相似性直接用欧氏距离来度量，其结果与人眼视觉会有较大的偏差。对于某一种颜色，我们很难推测出较为精确的三个分量数值来表示。

所以，RGB 颜色空间适合于显示系统，却并不适合于图像处理。

HSV颜色空间

基于上述理由，在图像处理中使用较多的是 HSV颜色空间，它比 RGB 更接近人们对彩色的感知经验。非常直观地表达颜色的色调、鲜艳程度和明暗程度，方便进行颜色的对比。

在 HSV 颜色空间下，比RGB更容易跟踪某种颜色的物体，常用于分割指定颜色的物体。

HSV 表达彩色图像的方式由三个部分组成：

Hue（色调、色相）
Saturation（饱和度、色彩纯净度）
Value（明度）

用下面这个圆柱体来表示 HSV 颜色空间，圆柱体的横截面可以看做是一个极坐标系，H 用极坐标的极角表示，S 用极坐标的极轴长度表示，V 用圆柱中轴的高度表示。

颜色识别的思路

统计图像中的颜色比重情况
合并相近的颜色输
得到新的结果

代码实现

颜色识别

/**
     * 颜色分析
     * @param bitmap 位图(建议分辨率先压缩到256基准,当quality为10耗时大概[100-200]ms)
     * @param quality 质量(颜色合并遍历次数)
     * @param take 取前几个结果
     */
    fun analyzeImageColor(bitmap: Bitmap, quality: Int = 10, take: Int) {

        /**<颜色,计数>*/
        val allColor = ConcurrentHashMap<Int, Int>()
        //统计所有颜色,相同颜色计数累加
        for (y in 0 until bitmap.height) {
            for (x in 0 until bitmap.width) {
                bitmap.getPixel(x, y).let {
                    if (allColor.containsKey(it)) allColor[it]!! + 1 else 1
                }
            }
        }
        //倒序排序
        val sortColor = allColor.toList().sortedByDescending { it.second }
            .toMap().toMutableMap()

        val hsv1 = FloatArray(3)
        val hsv2 = FloatArray(3)
        Log.i("合并前", "${sortColor.size}")
        for (i in 0 until min(quality, sortColor.size)) {
            if (sortColor.size > i) {
                val iterator = sortColor.iterator()
                var first = iterator.next()
                //move head
                for (j in (0 until i)) {
                    first = iterator.next()
                }
                while (iterator.hasNext()) {
                    val second = iterator.next()
                    Color.colorToHSV(first.key, hsv1)
                    Color.colorToHSV(second.key, hsv2)
                    //颜色相似判断及合并
                    if (checkColorSimilar(hsv1, hsv2)) {
                        first.setValue(first.value + second.value)
                        iterator.next()
                    }
                }

            }
        }
        Log.i("合并后", "${sortColor.size}")

        //结果取数量最多的前[take]个数据,
        //List<颜色,数量>,结合实际需求自行封装成想要的数据
        val result = sortColor.toList().sortedByDescending { it.second }.take(take)
    }

    /**
     * 颜色相似判定
     */
    fun checkColorSimilar(hsv1: FloatArray, hsv2: FloatArray): Boolean {
        val similarH = 10f
        val similarS = 0.05
        val similarV = 0.05
        return when {
            abs(hsv1[0] - hsv2[0]) < similarH -> true

            abs(hsv1[0] - hsv2[0]) < similarH * 2
            && abs(hsv1[1] - hsv2[1]) < similarS -> true

            abs(hsv1[0] - hsv2[0]) < similarH * 2
            && abs(hsv1[2] - hsv2[2]) < similarV -> true

            else->false
        }
    }

RGB转HSV

public static HSV RGB2HSV(RGB rgb) {
    float r =(float) rgb . getR () / 255;
    float g =(float) rgb . getG () / 255;
    float b =(float) rgb . getB () / 255;
    float max = max (r, g, b);
    float min = min (r, g, b);
    float h = 0;
    if (r == max)
        h = (g - b) / (max - min);
    if (g == max)
        h = 2 + (b - r) / (max - min);
    if (b == max)
        h = 4 + (r - g) / (max - min);
    h *= 60;
    if (h < 0) h += 360;
    HSV hsv = new HSV(h, (max - min) / max, max);
    return hsv;
}

Android/JAVA 图像分析-识别主要颜色

RGB的局限性

HSV颜色空间

颜色识别的思路

代码实现

颜色识别

RGB转HSV

参考

RGB、HSV和HSL颜色空间

RGB转 HSV

猜你喜欢

热点阅读