如何用Numpy Python获得多张图片的RGB单通道的平均值？

2 人关注

我试图提取位于一个特定文件夹（'image'）中的多个图像的特征。我想把这些特征（灰度、R、G、B、alpha、高度和宽度）插入一个表格，使用制表包。主要问题是遍历文件夹，提取单个红、绿、蓝通道的平均值，同时获得灰度值（如果图像存在该比例）。之后，我想把所有的信息插入到表中。我不能做任何这样的操作。我试过这个代码，但它给了我很多像素值。我想得到的是平均值，所以每个通道只有一个数字。谁能帮帮我？

import os
import numpy as np
import cv2
for img in os.listdir(image_path):        
    img = cv2.imread(os.path.join(image_path, img))     
    r,g,b = cv2.split(img)
    rgb_img = cv2.merge((r,g,b))
    x,y,z = np.shape(img)
    red = np.zeros((x,y,z),dtype=int)
    green = np.zeros((x,y,z),dtype=int)
    blue = np.zeros((x,y,z),dtype=int)
    for i in range(0,x):
        for j in range(0,y):
            red[i][j][0] = rgb_img[i][j][0]
            green[i][j][1]= rgb_img[i][j][1]
            blue[i][j][2] = rgb_img[i][j][2]
我不知道还有什么方法，谁能建议一下？我将非常感激。


         2
         
         个评论


           
            我不明白这段代码是如何输出平均像素值的。你能更具体地说明你希望我们帮助的地方吗？


           
            Lorenzo Bussotti
           
           ：


           
            你说得很对!这段代码并没有输出平均值。我这样做只是为了尝试推断通道，而不是平均值。我的目标是获得文件夹中每张图片的R、G、B的平均值，而不需要为每个文件手动写操作，但是，希望能迭代一遍。在获得每张图片的RGB的单一平均值后，用 "tabulate "将这些数字插入一个表格。我是否需要改变一切，或者我可以执行目前的代码？


         python


         numpy


         opencv


         image-processing


        
         
         
          Lorenzo Bussotti
         
        
        
         发布于
         
         2020-12-28


        2
        
        个回答


          已采纳


         0
         
         人赞同


          
           如果你想要通道(R, G, B)的平均值，最后想用tabulate把它存储在一个表中，你可以这样做。
          
          
           我将使用OpenCV（加载图像）和numpy（因为为什么不呢）。
          
          import cv2
import numpy as np
import os
from tabulate import tabulate
images = os.listdir('./Test')
num_images = len(images)
data = [] # using an array is more convenient for tabulate.
for i in range(num_images):
    img = cv2.imread('./Test/' + images[i])
    avgR = np.mean(img[:,:,2])
    avgG = np.mean(img[:,:,1])
    avgB = np.mean(img[:,:,0])
    data.append([images[i], avgR, avgG, avgB])
print(tabulate(data, headers=['img_name','R', 'G', 'B'], tablefmt='fancy_grid'))
╒════════════╤══════════╤══════════╤══════════╕
│ img_name   │        R │        G │        B │
╞════════════╪══════════╪══════════╪══════════╡
│ test1.jpg  │  49.3213 │ 112.408  │ 145.949  │
├────────────┼──────────┼──────────┼──────────┤
│ test2.jpeg │  93.0038 │  94.4466 │  95.0824 │
├────────────┼──────────┼──────────┼──────────┤
│ test3.jpg  │ 100.181  │  71.6575 │  66.4233 │
╘════════════╧══════════╧══════════╧══════════╛
This is my Directory Structure:
The code is present in the 电影刮刀目录。因此，我使用了'./测试'的路径。点'.'代表当前目录。


           
            
             Lorenzo Bussotti
            
            ：


           
            
             非常感谢您！我按您说的试了一下。我按你说的去做了......而且成功了，我得到了每个通道的值。  现在，我怎样才能理解这个值指的是哪个图像？  我怎样才能用 "制表 "把相对值插入到表格中，指的是正确的图像？


           
            
             每张图片都会有一个名字，所以你要做的就是在表中插入[img_name, avgR, avgG, avgB]。你可以使用大熊猫来制作表格（在大熊猫中它们被称为dataframe）。使用这个链接来阅读更多关于
             
              大熊猫


           
            
             Lorenzo Bussotti
            
            ：


           
            
             你好，由于我在将每张图片与每个通道联系起来方面效率低下，你能不能展示一个代码例子，以便更好地理解。我很乐意。:)


           
            
             对我的代码进行了编辑。我选择了一个字典来存储这些值。你可以使用pandas dataframe或numpy数组。另外，你也可以用类似的方式进一步提取和存储特征。


           
            
             Lorenzo Bussotti
            
            ：


           
            
             你会不会用这样的语法 gray = np.mean(img[:,:,:]) 来定义是否有灰度值存在


          
           
            根据
            
             https://sighack.com/post/averaging-rgb-colors-the-right-way
            
            对RGB颜色值进行平均的正确方法是将它们的平方相加，而不是只取平均值。下面是用python编写的示例代码。可能会被优化，但对我来说是可行的。
           
           def get_avg_rgb(img_file: str):
    import cv2
    img = cv2.imread(img_file)
    r_values = img[:, :, 2].flatten()
    g_values = img[:, :, 1].flatten()
    b_values = img[:, :, 0].flatten()
    Rsum = 0
    for r in r_values:
        Rsum += (float(r) * float(r))
    Gsum = 0
    for g in g_values:
        Gsum += (float(g) * float(g))
    Bsum = 0
    for b in b_values:
        Bsum += (float(b) * float(b))
    avgR = math.sqrt((float(Rsum) / len(r_values)))
    avgG = math.sqrt((float(Gsum) / len(g_values)))
    avgB = math.sqrt((float(Bsum) / len(b_values)))