图片饱和度、色调、明度的计算_图像饱和度计算

一、计算图片的饱和度、色调、明度的思路

首先用 opencv 或 PIL 读取图片，然后将图片转换到 HSV空间 。
调用 cv2.split() 方法将 H、S、V空间分别返回，然后将每个空间中 非0值累加 并 求均值 ，即得到图片的 **average_H,average_S,average_**V。

二、计算单张图片的饱和度、色调、明度

##计算 单张图片的 色调（H），饱和度（S），明度（V）,并返回 avg_H,avg_S,avg_V ##
def compute_HSV(img_path):
    image = cv2.imread(img_path)
    # get H,S,V value seperately
    hsv = cv2.cvtColor(image, cv2.COLOR_RGB2HSV)
    H, S, V = cv2.split(hsv)
    ## 明度（V）
    v = V.ravel()[np.flatnonzero(V)]   #亮度非零的值
    average_v  = sum(v)/len(v)
    ## 饱和度（S）
    s = S.ravel()[np.flatnonzero(S)]
    average_s  = sum(s)/len(s)
    ## 色调（H）
    h = H.ravel()[np.flatnonzero(H)]
    average_h  = sum(h)/len(h)
    # print('avg_H:{:.6f},\tavg_S:{:.6f},\t avg_V{:.6f}\t'.format(average_h,average_s,average_v))
    return average_h,average_s,average_v
三、计算一个图片文件夹下的饱和度、色相、明度值
 
## 计算文件夹中的所有图片的 avg_H,avg_S,avg_V,
## 并返回 [img_path,avg_H,avg_S,avg_V]四元组 ,avg_Hlist,avg_Slist,avg_Vlist ##
def compute_dir_HSV(root_path):
    I_pathHSV = [] # 便于获取 复合约束条件的 图片
    cls_dir = os.listdir(root_path)  # all image_name
    # all image_path
    img_path_list = [os.path.join(root_path, cls_dir[x]) for x in range(len(cls_dir))] 
    avg_Hlist,avg_Slist,avg_Vlist = [],[],[]
    for img_path in img_path_list:
        avg_H,avg_S,avg_V = compute_HSV(img_path)
        I_pathHSV.append([img_path,avg_H,avg_S,avg_V])
        avg_Hlist.append(avg_H)
        avg_Slist.append(avg_S)
        avg_Vlist.append(avg_V)
    return I_pathHSV,avg_Hlist,avg_Slist,avg_Vlist
四、绘制图片文件夹下的饱和度、色相、明度分布图
 
def draw_distribute_chart(root_path):
	# 调用上方写好的计算图片文件下的方法
    _, avg_Hlist, avg_Slist ,avg_Vlsit = compute_dir_HSV(root_path)
    sns.set_style("darkgrid") # 设置主题颜色
    chart_avg_H = avg_Hlist
    chart_avg_S = avg_Slist
    chart_avg_V = avg_Vlsit
    sns.distplot(chart_avg_H, color='g',label='avg_H') 
    sns.distplot(chart_avg_S, color='r',label='avg_S')
    sns.distplot(chart_avg_V, color='y',label='avg_V')
    plt.legend()
    plt.show() #不显示图时，加上此行代码
单个图片文件夹下图片的色相、饱和度、明度分布图
 (https://imgblog.csdnimg.cn/c129240dbd7048f99daa19c565e68d59.png#pic_center)
                    计算单个图片文件夹下所有图片的饱和度、色相、明度并绘制三种属性的分布图单个图片文件夹下图片的色相、饱和度、明度分布图(https://imgblog.csdnimg.cn/c129240dbd7048f99daa19c565e68d59.png#pic_center)
				Photoshop 的色相/饱和度调整，可以对全图、红、黄、绿、青、蓝、洋红六个通道进行设置。每个通道可设置：　色相（hue）,  饱和度(satuation), 明度(Lightness)三个调整值。
另包含 多个颜色空间转换函数
				饱和度调整算法说明（完整python代码在文末）：
本算法主要是利用HSL颜色空间进行饱和度S的上下限控制，对RGB空间进行补丁式调整。调整过程在RGB空间进行，其原理简单地说就是判断每个像素的R、G、B值是否大于或小于平均值，大于加上调整值，小于则减去调整值，如何计算各个像素点的调整系数是关键。本算法主体思想就是利用HSL来计算各点的调整系数。
算法过程如下：
（参考CSDN博客：http...
				获取蓝色在图片中所占百分比思路代码运行结果测试图片
由于每种颜色都有一个阈值，单纯的计算RGB百分比的效果并不好，对于这点，网上已经有很多结论。于是，我想到采用hsv空间下每个像素点分量，获取某种颜色所占百分比（我这里采用的是蓝色）。因为，在hsv空间下，相近颜色都会被归于一个范围。所以，我们可以比较相近颜色，在图片中，所占百分比。
#include<iostream>
#include<opencv2/opencv.hpp>
#include<iomanip&gt
				Opencv 中图片像素操作的应用实例——计算图片某一种颜色区域大小所占比
 From: https://www.cnblogs.com/changxiang/p/7533294.html  
对图片进行处理，其中图片像素的处理是基本的过程，包括对图片像素的遍历，对每一个像素的RGB三个通道的灰度值的获取等。
以下是基于opencv 的一个应用实例，即计算图片中黄色区域大小占整个图片大小的比...
				可以使用MATLAB中的rgb2hsv函数来提取出图片的色调，明度和饱和度。该函数将RGB颜色空间转换为HSV颜色空间，其中H表示色调，S表示饱和度，V表示明度。以下是示例代码：
img = imread('image.jpg');
hsv_img = rgb2hsv(img);
hue = hsv_img(:,:,1);
saturation = hsv_img(:,:,2);
value = hsv_img(:,:,3);
这将提取出图片的色调，明度和饱和度，并将它们存储在hue，saturation和value变量中。

一、计算图片的饱和度、色调、明度的思路

二、计算单张图片的 饱和度、色调、明度

三、计算一个图片文件夹下的饱和度、色相、明度值

四、绘制图片文件夹下的饱和度、色相、明度分布图

二、计算单张图片的饱和度、色调、明度