时间戳

首页 > 解决方案 > 图像的准确颜色量化以最小化调色板

python - 图像的准确颜色量化以最小化调色板

问题描述

我正在尝试量化图像，使所有原色保持原位并删除所有次要颜色，例如“抗锯齿”边框。例如，下面的图像最终应量化为 3 种颜色，而原始图像中的实际颜色数量超过 30 种。所有“抗锯齿”边框颜色都应视为次要颜色，并在量化以及“jpeg 伪影”时消除，由于过度优化，它为图像添加了更多颜色。注意：源图像可以是 png 或 jpeg。

3色示例

对于量化本身，我使用PIL.quantize(...)K 作为要离开的颜色数。它工作得相当好，并使调色板与原始调色板完美匹配。

def color_quantize(path, K):
    image = cv2.imread(path, cv2.IMREAD_UNCHANGED)
    img = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
    im_pil = Image.fromarray(np.uint8(img))
    im_pil = im_pil.quantize(K, None, 0, None)
    return cv2.cvtColor(np.array(im_pil.convert("RGB")), cv2.COLOR_RGB2BGR)

因此，如果我事先知道“K”（原色的数量），那么我会将它用于im_pil.quantize(...). 基本上，我需要一种方法来获得那个“K”数字。有什么方法可以确定原色的数量吗？

顺便说一句，关于“jpeg artifacts”的删除，我img = cv2.bilateralFilter(img, 9, 75, 75)目前正在使用，效果很好。

标签： pythonimageimage-processingcolorsquantization

解决方案

您可能想尝试分析 RGB 通道的直方图以找出它们有多少个峰值，希望您会有一些大峰值和一些非常小的峰值，那么大峰值的数量应该是您的 K。

推荐阅读