imagemagick 获取具有最常见颜色的像素的坐标

Question

简而言之，我想找出具有主要颜色的像素的坐标。

具体来说，我想实现以下目标:

1. 找到主要颜色。我所说的主要是指图像中大多数像素都具有的颜色(我使用直方图实现了它)
   

2. 在获得这种颜色(在我的例子中是黑色)之后，我想找到一个黑色的像素并且它周围只有黑色像素。基本上，黑色最集中区域的中心。

到目前为止，我只能得到主色。

convert src.png -format %c histogram:info: > x.txt
cat x.txt | awk '{print $1}' | sed 's/://g' > x1.txt
h=$(sort -n x1.txt | tail -1)
cat x.txt | grep "$h"
rm -rf x.txt

结果:

    169211: (  0,  0,  0,255) #000000 black

现在，我也可以获得黑色的所有坐标

convert src.png txt: | grep black
469,799: (  0,  0,  0,255)  #000000  black
470,799: (  0,  0,  0,255)  #000000  black
471,799: (  0,  0,  0,255)  #000000  black
472,799: (  0,  0,  0,255)  #000000  black
473,799: (  0,  0,  0,255)  #000000  black
474,799: (  0,  0,  0,255)  #000000  black
475,799: (  0,  0,  0,255)  #000000  black
476,799: (  0,  0,  0,255)  #000000  black
477,799: (  0,  0,  0,255)  #000000  black
478,799: (  0,  0,  0,255)  #000000  black
...

但是我需要一个黑色像素的随机坐标，它位于周围只有黑色像素的地方...

我使用的是 Linux 和 Imagemagick 版本 6.6.5

Answer 1

(更新以消除一些弱点)

首先，找到您的主打颜色。你似乎已经知道如何做到这一点，所以我跳过这一步。 (我也没有为此检查或验证您的代码...)

您的代码有一些弱点:

1. 您只清理 x.txt ，而不是您的 x1.txt 。

2. 您应该从第二个命令中删除 | sed 's/://g' 部分。它从您的变量中消除了 : 冒号，但这可能导致 h=21 (而不是 h=21: )导致您的 grep "$h" 找到所有此类行:

    1: (221, 86, 77) #DD564D srgb(221,86,77)
    1: (221,196,192) #DDC4C0 srgb(221,196,192)
    1: (221,203,197) #DDCBC5 srgb(221,203,197)
   [...] 
   21: (255,255,255) #FFFFFF white
   

   如果您将其保留在 h=21:，您将找到您要查找的那一行! (验证示例:使用内置的 rose: 图像代替您的 src.png 看看我的意思。)

其次，在图像上应用非常少量的模糊，方法是对每个位置的每个像素及其周围的 8 个像素进行平均:-blur 1x65535(此操作使用 3x3方形内核)。在该步骤之后，在生成的图像中，只有那些像素将保持纯黑色，而在原始图像中它们仅被黑色像素包围。

第三，将所有非黑色像素变为白色:通过对图像应用 -fill white +opaque black -fill white -opaque black -operation。 (另请参见 "Morphology" ，尤其是 "Erosion" 。)这通过将所有非黑色颜色变为白色来丢弃图像中的所有其他颜色，并简化您对纯黑色像素的搜索。 (注意:这不适用于这样的 src.png 文件，它们不包含至少一个 3x3 像素区域和纯黑色像素...)

第四:我们必须考虑图像边界上的像素(这些像素没有 8 个邻居!)，因此我们使用 -virtual-pixel none 将颜色“无”分配给这些像素.

我将使用 ImageMagick 内置的名为“logo:”的特殊图片来演示我的方法:

convert logo: logo.png

如您所见，这张图片以白色为主色。 (因此我将此示例的代码切换为使所有白色像素变为黑色...)

到目前为止的命令行:

convert                                                \
   logo:                                               \
  -virtual-pixel none                                  \
   $(for i in {1..2}; do echo " -blur 1x65535 "; done) \
  -fill black                                          \
  -opaque white                                        \
   2_blur-logo-virtpixnone.png

这是并排的 2 张图片:

• logo.png 在左边
• 右侧为2_blur-log-virtpixnone.png

第五步: 皮革，冲洗，重复。

现在让我们对该算法再进行几次迭代，例如 100、500、1000 和 1300，同时对结果应用注释，以便我们知道哪个图像是哪个:

for j in 100 500 1000 1300; do
   convert                                                       \
      logo:                                                      \
     -virtual-pixel none                                         \
      $(for i in $(seq 1 ${j}); do echo " -blur 1x65535 "; done) \
     -fill black                                                 \
     -opaque white                                               \
     -gravity NorthEast -annotate +10+10 "$j iterations"         \
      ${j}_blur-logo-virtpixnone.png
done

如您所见，我的算法使黑色区域汇聚到您在查看原始 logo.png 时凭直觉猜测为白色区域“中心”的那个点:

一旦您得到一张没有黑点的输出图像，您的迭代次数就太频繁了。返回一个迭代。 :-)

现在应该只有非常有限的候选像素符合您的标准。