问题描述
我想测量平均像素强度和测量图像的色彩。 为此我正在遵循这种方法（请告诉我是否有相同的替代方法）：
a）计算平均像素强度：
im = Image.open('images-16.jpeg')
stat = ImageStat.Stat(im)
r,g,b = stat.mean
mean = sqrt(0.241* (r ** 2) + 0.691* (g ** 2) + 0.068* (b ** 2))
print(mean)
b）测量颜色：
将颜色空间划分为64个立方块，每个维度有四个相等的分区
w,h=im.size bw,bh = 8, 8 #block size img = np.array(im) sz = img.itemsize shape = (h-bh+1, w-bw+1, bh, bw) strides = (w*sz, sz, w*sz, sz) blocks = np.lib.stride_tricks.as_strided(img, shape=shape, strides=strides) print (blocks[1,1])计算每个立方体的几何中心C i之间的欧几里德距离i
Not able to compute (say d(a,b)=rgb(Ca)-rgb(Cb))分布D1被生成为假设图像的颜色分布，使得对于64个样本点中的每一个，频率为1/64 -
pixels = im.load() all_pixels = [] for x in range(218): #put your block width size for y in range(218): #your block heigh size cpixel = pixels[x, y] all_pixels.append(cpixel)通过查找64个立方体中每个立方体中颜色的出现频率，从给定图像计算分布D2
How can i do this?-
计算
Earth Mover's Distance: (D1,D2,d(a,b))- d（a，b）计算在上面
这是正确的方法吗？ 任何支持文件来实现这一目标？ 任何有关代码的帮助表示赞赏。 谢谢。
1楼
你需要pyemd库。
from pyemd import emd
import numpy as np
from PIL import Image
import skimage.color
im = Image.open("t4.jpg")
pix = im.load()
h1 = [1.0/64] * 64
h2 = [0.0] * 64
hist1 = np.array(h1)
w,h = im.size
for x in xrange(w):
for y in xrange(h):
cbin = pix[x,y][0]/64*16 + pix[x,y][1]/64*4 + pix[x,y][2]/64
h2[cbin]+=1
hist2 = np.array(h2)/w/h
# compute center of cubes
c = np.zeros((64,3))
for i in xrange(64):
b = (i%4) * 64 + 32
g = (i%16/4) * 64 + 32
r = (i/16) * 64 + 32
c[i]=(r,g,b)
c_luv = skimage.color.rgb2luv(c.reshape(8,8,3)).reshape(64,3)
d = np.zeros((64,64))
for x in xrange(64):
d[x,x]=0
for y in xrange(x):
dist = np.sqrt( np.square(c_luv[x,0]-c_luv[y,0]) +
np.square(c_luv[x,1]-c_luv[y,1]) +
np.square(c_luv[x,2]-c_luv[y,2]))
d[x,y] = dist
d[y,x] = dist
colorfullness = emd(hist1, hist2, d)
print colorfullness