python如何统计图片的颜色分布

首先，确保你已经安装了必要的库：

pip install pillow numpy matplotlib

然后，使用以下Python代码来统计图片的颜色分布：

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
from collections import Counter
import os

# 1. 读取图片
image_path = 'your_image.jpg'  # 替换为你的图片路径
if not os.path.exists(image_path):
    raise FileNotFoundError(f"图片文件 {image_path} 不存在，请检查文件路径。")

image = Image.open(image_path)

# 2. 获取像素数据
pixels = np.array(image)

# 3. 统计颜色分布（这里以RGB三个通道为例）
# 将像素数组展平，以便统计每个颜色的出现次数
pixels_flat = pixels.reshape(-1, 3)

# 使用Counter统计每种颜色的出现次数
color_counts = Counter(map(tuple, pixels_flat))

# 4. 处理颜色量化（可选步骤，这里以简单取整为例）
# 定义量化级别，例如将每个通道的值量化为8个级别（0-31, 32-63, ..., 224-255）
quantization_level = 32
quantized_colors = [(r // quantization_level * quantization_level,
                      g // quantization_level * quantization_level,
                      b // quantization_level * quantization_level)
                     for r, g, b in pixels_flat]

# 使用Counter统计量化后的颜色分布
quantized_color_counts = Counter(map(tuple, quantized_colors))

# 5. 可视化结果（以直方图为例）
# 获取颜色及其对应的计数
colors = list(quantized_color_counts.keys())
counts = list(quantized_color_counts.values())

# 为了可视化，我们可以将颜色转换为RGB元组，并归一化计数
# 注意：这里我们使用RGB元组作为颜色，但Matplotlib的bar函数需要颜色名称或十六进制代码，
# 因此我们需要将RGB元组转换为十六进制代码。
hex_colors = ['#%02x%02x%02x' % color for color in colors]

# 绘制直方图
plt.figure(figsize=(12, 6))
plt.bar(range(len(counts)), counts, color=hex_colors)
plt.xticks([])  # 隐藏x轴标签，因为颜色已经通过条形颜色表示
plt.xlabel('Colors')
plt.ylabel('Counts')
plt.title('Color Distribution Histogram')
plt.savefig('color_distribution_histogram.png')  # 保存图像到文件，而不是显示它

# 打印前10种最常见的颜色及其计数（可选）
print("Top 10 most common colors:")
for color, count in quantized_color_counts.most_common(10):
    print(f"Color: {color}, Count: {count}")

代码说明：

1. 读取图片：

   • 使用PIL.Image.open函数读取图片文件。
   • 在读取之前，使用os.path.exists检查文件是否存在，以避免程序崩溃。

2. 获取像素数据：

   • 使用numpy.array将图片转换为像素数组。
   • 使用reshape(-1, 3)将像素数组展平，以便逐个访问每个像素的颜色信息。

3. 统计颜色分布：

   • 使用collections.Counter统计每种颜色的出现次数。
   • 颜色以RGB元组的形式表示，例如(255, 0, 0)表示红色。

4. 处理颜色量化：

   • 颜色量化是为了减少计算量并得到更有意义的结果。
   • 在这个示例中，我们将每个通道的值量化为8个级别（0-31, 32-63, …, 224-255）。
   • 你可以根据需要调整quantization_level的值。

5. 可视化结果：

   • 使用matplotlib.pyplot绘制直方图，展示量化后的颜色分布。
   • 颜色条形的高度表示该颜色的出现次数。
   • 颜色条形的颜色与对应的颜色一致。
   • 直方图保存为color_distribution_histogram.png文件。

6. 打印前10种最常见的颜色及其计数：

   • 使用quantized_color_counts.most_common(10)获取前10种最常见的颜色及其计数。
   • 你可以根据需要调整打印的数量。

注意事项：

• 确保图片文件存在，并提供正确的文件路径。
• 颜色量化级别可以根据需要调整，以得到更精细或更粗糙的颜色分布。
• 可视化结果可以保存为文件，以便后续查看和分析。