在Python中，使用列表和for循环进行图像处理效率低、速度慢且容易出错。请尝试使用Numpy或矢量化库，如OpenCV、scikit-image、wand或PIL/Pillow。
制作一个从石灰绿色到黄色的渐变图像样本，即没有蓝色，纯绿色和红色渐变，这将给我们提供简单、易于检查的方法：

magick -size 256x256 gradient:lime-yellow png24:start.png

现在使用Numpy获取所有三个通道的平均值：

import cv2
import numpy as np

# Load image
im = cv2.imread('start.png')

print(im.shape)       # prints (256, 256, 3)

meanBlue  = np.mean(im[...,0])     # gets value=0
meanGreen = np.mean(im[...,1])     # gets value=255.0
meanRed   = np.mean(im[...,2])     # gets value=127.5

我更新了函数getAverageColor，目的是找到主色。我相信这会提供更好的颜色选择。时间是个问题，我会更新的，以防我能找到一种方法让它更快。

import pandas as pd
from scipy.cluster.vq import whiten
from scipy.cluster.vq import kmeans
# import matplotlib.pyplot as plt

def getAverageColor(frame):
  r = []
  g = []
  b = []
  print("Frames")
  for row in frame:
      for temp_r, temp_g, temp_b, temp in row:
          r.append(temp_r)
          g.append(temp_g)
          b.append(temp_b)
  
  df = pd.DataFrame({'r' : r, 'g' : g, 'b' : b})
    
  df['scaled_r'] = whiten(df['r'])
  df['scaled_b'] = whiten(df['b'])
  df['scaled_g'] = whiten(df['g'])
    
  cluster_centers, _ = kmeans(df[['scaled_r', 'scaled_b', 'scaled_g']], 3)
    
  dominant_colors = []
    
  r_std, g_std, b_std = df[['r', 'g', 'b']].std()
    
  for cluster_center in cluster_centers:
      red_scaled, green_scaled, blue_scaled = cluster_center
      dominant_colors.append((red_scaled * r_std / 255, green_scaled * g_std / 255, blue_scaled * b_std / 255))
  
  print("Dominant", dominant_colors)
  return(dominant_colors[0])
  # plt.imshow([dominant_colors])
  # plt.show()

我想用一个简单的解决方案来回答这个问题。这可能不是这个问题的最佳解决方案，但它对我的用例来说足够快了。如果有人能改进我的解决方案，我将不胜感激。

def getAverageColor(frame):
        r = []
        g = []
        b = []
        print("Frames")
        for row in frame:
            for pixel in row:
                r.append(pixel[0])
                g.append(pixel[1])
                b.append(pixel[2])

        r_mean = np.mean(r)
        g_mean = np.mean(g)
        b_mean = np.mean(b)
    
        return(r_mean, g_mean, b_mean)

这取出了所有像素的平均值，并且不像之前定义的解决方案那样，仅返回平均颜色，在90%的情况下，该平均颜色仅是棕色的阴影。