Python如何獲取圖片像素BGR值并生成純色圖

# Python如何獲取圖片像素BGR值并生成純色圖

在圖像處理領域，獲取圖片的像素值并進行二次創作是常見需求。本文將詳細介紹如何使用Python的OpenCV庫提取圖片的BGR像素值，并基于這些值生成純色圖像。整個過程包含環境準備、像素讀取、統計分析以及純色圖生成四個核心環節。

## 一、環境準備與工具介紹

### 1.1 必需工具包
```python
pip install opencv-python numpy matplotlib

1.2 各工具作用

• OpenCV (cv2)：核心圖像處理庫
• NumPy：高效處理多維數組
• Matplotlib：輔助顯示圖像

二、圖像像素BGR值獲取

2.1 基礎讀取方法

import cv2

# 讀取圖像（注意OpenCV默認BGR格式）
image = cv2.imread('sample.jpg')

# 獲取圖像尺寸
height, width, channels = image.shape
print(f"圖像尺寸：{width}x{height}，通道數：{channels}")

# 獲取特定像素值（y=100, x=50位置）
pixel_bgr = image[100, 50]
print(f"BGR值：{pixel_bgr}")

2.2 批量獲取像素值

# 轉換為NumPy數組操作
bgr_values = image.reshape(-1, 3)

# 計算平均BGR值
avg_bgr = bgr_values.mean(axis=0).astype(int)
print(f"平均BGR值：{avg_bgr}")

2.3 可視化像素分布

import matplotlib.pyplot as plt

# 分離通道
b, g, r = cv2.split(image)

plt.figure(figsize=(12,4))
plt.subplot(131)
plt.hist(b.ravel(), 256, [0,256], color='b')
plt.title('Blue Channel')

plt.subplot(132)
plt.hist(g.ravel(), 256, [0,256], color='g')
plt.title('Green Channel')

plt.subplot(133)
plt.hist(r.ravel(), 256, [0,256], color='r')
plt.title('Red Channel')
plt.show()

三、純色圖生成技術

3.1 基礎純色圖生成

def create_solid_color(width, height, bgr):
    """生成純色圖像"""
    return np.full((height, width, 3), bgr, dtype=np.uint8)

solid_img = create_solid_color(400, 300, [255, 0, 0])  # 紅色圖像
cv2.imwrite('red_solid.jpg', solid_img)

3.2 基于原圖特征的純色圖

def generate_dominant_color_image(src_path, output_size=(800,600)):
    """生成主色調純色圖"""
    img = cv2.imread(src_path)
    dominant_color = img.mean(axis=(0,1)).astype(int)
    result = create_solid_color(output_size[0], output_size[1], dominant_color)
    return result

dominant_img = generate_dominant_color_image('sample.jpg')
cv2.imshow('Dominant Color', dominant_img)
cv2.waitKey(0)

3.3 多區域混合純色圖

def generate_mosaic(src_path, grid_size=3):
    """生成馬賽克風格純色圖"""
    img = cv2.imread(src_path)
    h, w = img.shape[:2]
    cell_h, cell_w = h//grid_size, w//grid_size
    
    mosaic = np.zeros_like(img)
    
    for i in range(grid_size):
        for j in range(grid_size):
            y1, y2 = i*cell_h, (i+1)*cell_h
            x1, x2 = j*cell_w, (j+1)*cell_w
            cell = img[y1:y2, x1:x2]
            mosaic[y1:y2, x1:x2] = cell.mean(axis=(0,1)).astype(int)
    
    return mosaic

mosaic_img = generate_mosaic('sample.jpg', 10)
cv2.imwrite('mosaic_output.jpg', mosaic_img)

四、進階應用案例

4.1 圖片主題色提取

from collections import Counter

def get_top_colors(image_path, top_n=5):
    """獲取出現頻率最高的前N種顏色"""
    img = cv2.imread(image_path)
    pixels = img.reshape(-1, 3)
    
    # 將顏色量化到32級減少計算量
    quantized = (pixels // 8) * 8
    color_counts = Counter(map(tuple, quantized))
    
    return [np.array(color) for color, _ in color_counts.most_common(top_n)]

top_colors = get_top_colors('landscape.jpg')
for i, color in enumerate(top_colors):
    print(f"Top {i+1} color: {color}")

4.2 漸變色生成器

def generate_gradient(width, height, colors, direction='horizontal'):
    """生成漸變色圖像"""
    result = np.zeros((height, width, 3), dtype=np.uint8)
    
    if direction == 'horizontal':
        for i in range(width):
            ratio = i / width
            idx = min(int(ratio * (len(colors)-1)), len(colors)-2)
            local_ratio = (ratio - idx/(len(colors)-1)) * (len(colors)-1)
            color = colors[idx] * (1-local_ratio) + colors[idx+1] * local_ratio
            result[:, i] = color
    else:  # vertical
        for i in range(height):
            ratio = i / height
            idx = min(int(ratio * (len(colors)-1)), len(colors)-2)
            local_ratio = (ratio - idx/(len(colors)-1)) * (len(colors)-1)
            color = colors[idx] * (1-local_ratio) + colors[idx+1] * local_ratio
            result[i, :] = color
            
    return result

# 使用前文獲取的主題色
gradient = generate_gradient(800, 600, top_colors, 'vertical')
cv2.imwrite('gradient.jpg', gradient)

五、性能優化技巧

5.1 使用向量化操作

# 低效方式（循環遍歷像素）
slow_result = np.zeros_like(image)
for y in range(height):
    for x in range(width):
        slow_result[y,x] = image[y,x] * 0.5

# 高效方式（向量化運算）
fast_result = (image * 0.5).astype(np.uint8)

5.2 內存優化方案

# 處理大圖時使用分塊讀取
def process_large_image(path, block_size=1024):
    result = None
    with open(path, 'rb') as f:
        while True:
            chunk = f.read(block_size)
            if not chunk:
                break
            # 處理數據塊...
    return result

六、總結

本文詳細演示了： 1. 使用OpenCV精確獲取圖像BGR值 2. 通過統計分析理解圖像顏色分布 3. 多種純色圖生成技術（單色、主色調、馬賽克） 4. 實際應用案例（主題色提取、漸變色生成）

完整代碼示例已提供，讀者可自行擴展實現更復雜的圖像處理功能。建議嘗試將不同技術組合使用，例如先提取主題色再生成漸變背景，創造出更具藝術效果的圖像作品。

注意事項： - OpenCV的默認顏色順序是BGR而非RGB - 處理前建議備份原始圖像 - 大圖像處理時注意內存限制 “`