查找图像中对象的面积和颜色

Question

我有一张看起来像这样的图片：

我想弄清楚几件事：

纹身的主要颜色是什么？
皮肤的主要颜色是什么？
上面纹身的纹身面积（以像素为单位）是多少？

我是图像处理的新手，但我的攻击计划是这样的：

运行边缘检测
填充轮廓
采用该图像的 alpha 得到纹身的 alpha
width * height * % of white in alpha = area of tattoo ink
将 alpha 应用于原始图像并获取颜色分布，以某种方式给出类似 "this tattoo has black and red in it"
反转 alpha 并将其应用于原始图像以获取肤色并找到平均色调

这看起来是获得最终结果的明智方法吗？作为新手，有没有我可能不知道的更简单/更可靠的东西？

我运行使用 skimage 对它进行了一些边缘分析代码，得到了这样的轮廓：

但是我在使用颜色填充轮廓以创建 alpha 时遇到了问题。问题是我只想知道墨水的面积，而不是整个纹身的面积，所以这似乎更难填充轮廓

Answer 1

我不使用边缘检测和轮廓，而是建议使用以下方法-

1) 将图像从 RGB 转换为灰度。

2) 使用自适应阈值将其转换为二进制图像（我在查看您上传的图像后建议这样做）。

3)现在只要简单的计算像素点的个数，就可以得到纹身和皮肤的面积。

4) 要计算主要颜色（我在这里只看到两种颜色），您可以从二值图像中求出与纹身和皮肤对应的所有像素的平均值，或者您可以计算颜色直方图。

Answer 2

另一种方法是通过 k 均值聚类执行 颜色量化。所提供示例中的纹身只有一种颜色，因此量化后的图像应该有两种颜色，即墨水和皮肤。

import numpy as np
from skimage import io
from sklearn.cluster import KMeans

img = io.imread('https://i.stack.imgur.com/Upcb0.png')
n_colors = 2

X = img.reshape((-1, 3))
kmeans = KMeans(n_clusters=n_colors, random_state=0).fit(X)
labels = kmeans.labels_
centers = kmeans.cluster_centers_
quantized = centers[labels].reshape(img.shape).astype('uint8')

io.imshow(quantized)

主要颜色的 RGB 坐标是：

In [69]: centers
Out[69]: 
array([[ 226.44193236,  193.24337359,  175.1311746 ],
       [  40.0549615 ,   36.64523871,   40.75754915]])

假设墨水比皮肤深（即墨水颜色的欧几里得范数小于皮肤的欧几里德范数），纹身覆盖的图像像素比例可以这样计算：

In [70]: darkest = np.argmin(np.sqrt(np.sum(centers**2, axis=1)))

In [71]: np.true_divide(np.sum(labels == darkest), labels.size)
Out[71]: 0.24738437499999999

查找图像中对象的面积和颜色

Finding the area and colours of an object in an image

opencv

image-processing

scikit-image