我正在为一个大学项目做一个RGB图像的“卡通”滤镜，所以我想做一些事情来优化图像。我能使用的库只有numpy，matplotlib.pyplot和skimage。
现在我这样做了：
n = 64
quant[:,:,0] = np.floor_divide(R2, 256//(n//4))*(256//(n//4))
quant[:,:,1] = np.floor_divide(G2, 256//(n//4))*(256//(n//4))
quant[:,:,2] = np.floor_divide(B2, 256//(n//4))*(256//(n//4))
plt.imshow(quant)字符串
通过这种方式，我实现了我的目标，但并不完全，因为我希望n是图像可以具有的颜色的确切数量，不多也不少。
有什么建议吗？
1条答案
按热度按时间f0brbegy1#
你要做的是：
为了加分，您可能希望在感知颜色空间（如CIELAB）中执行此操作，而不是直接在RGB中执行此操作。
让sklearn来做k-means聚类会很方便，但是，如果做不到这一点，在纯NumPy中实现并不太难（可能是一个很好的练习）。
最后，你可能可以用
skimage.segmentation.slic来复制这一切。SLIC做了更花哨的事情，在空间和颜色空间中进行聚类，但是你可以使用compactness，convert2lab和enforce_connectivity参数来强制它只在颜色空间中进行聚类。