這篇文章給大家介紹OpenCV計(jì)算圖片色彩豐富度的示例分析，內(nèi)容非常詳細(xì)，感興趣的小伙伴們可以參考借鑒，希望對(duì)大家能有所幫助。

創(chuàng)新互聯(lián)主要從事成都網(wǎng)站建設(shè)、網(wǎng)站制作、網(wǎng)頁(yè)設(shè)計(jì)、企業(yè)做網(wǎng)站、公司建網(wǎng)站等業(yè)務(wù)。立足成都服務(wù)浦江,十載網(wǎng)站建設(shè)經(jīng)驗(yàn),價(jià)格優(yōu)惠、服務(wù)專業(yè),歡迎來(lái)電咨詢建站服務(wù):18982081108

計(jì)算圖片色彩豐富度

首先我們要有一個(gè)色彩豐富度的標(biāo)準(zhǔn)。Hasler and Süsstrunk的研究將顏色豐富度劃分為7級(jí)。

1. 無(wú)(Not colorful)

2. 稍微(Slightly colorful)

3. 適度(Moderately colorful)

4. 平均(Averagely colorful)

5. 非常(Quite colorful)

6. 高度(Highly colorful)

7. 極端(Extremely colorful)

Hasler and Süsstrunk找了20個(gè)人對(duì)84副圖片按照1-7分進(jìn)行打分。最后對(duì)這份調(diào)查數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)圖片顏色豐富度有如下計(jì)算公式。

  最后的C就是圖片顏色豐富度的指示變量（其中sigma和miu分別代表標(biāo)準(zhǔn)差和平均值）。

代碼

import cv2
import numpy as np

def image_colorfulness(image):
    #將圖片分為B,G,R三部分（注意，這里得到的R、G、B為向量而不是標(biāo)量）
    (B, G, R) = cv2.split(image.astype("float"))
 
    #rg = R - G
    rg = np.absolute(R - G)
 
    #yb = 0.5 * (R + G) - B
    yb = np.absolute(0.5 * (R + G) - B)
 
    #計(jì)算rg和yb的平均值和標(biāo)準(zhǔn)差
    (rbMean, rbStd) = (np.mean(rg), np.std(rg))
    (ybMean, ybStd) = (np.mean(yb), np.std(yb))
 
    #計(jì)算rgyb的標(biāo)準(zhǔn)差和平均值
    stdRoot = np.sqrt((rbStd ** 2) + (ybStd ** 2))
    meanRoot = np.sqrt((rbMean ** 2) + (ybMean ** 2))
 
    # 返回顏色豐富度C
    return stdRoot + (0.3 * meanRoot)

image = cv2.imread('圖片路徑')  
print(image_colorfulness(image))

運(yùn)行

#返回圖片的豐富度值（0-100）

關(guān)于OpenCV計(jì)算圖片色彩豐富度的示例分析就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，可以學(xué)到更多知識(shí)。如果覺(jué)得文章不錯(cuò)，可以把它分享出去讓更多的人看到。