OCR中地图色调反转方法及蓝色色调统计与RGB提取需求

Python 方法 #

依赖安装 #

pip install pillow numpy

代码示例 #

from PIL import Image
import numpy as np

# 加载图片（替换为你的图片路径）
img = Image.open("EXGX5.jpg")
img_rgb = img.convert("RGB")
pixels = np.array(img_rgb)

# 提取所有唯一RGB颜色
unique_colors = np.unique(pixels.reshape(-1, 3), axis=0)

# 筛选蓝色系颜色（可根据实际图片调整阈值）
blue_colors = [color for color in unique_colors if color[0] < 150 and color[1] < 180 and color[2] > 100]

# 基于亮度排序（亮度越低颜色越深），生成深浅标记
blue_with_brightness = [(color, 0.299*color[0] + 0.587*color[1] + 0.114*color[2]) for color in blue_colors]
# 按亮度升序排列（最深到最浅），反转后标记最浅为1
sorted_blues = sorted(blue_with_brightness, key=lambda x: x[1])
color_labels = {tuple(color): i+1 for i, (color, _) in enumerate(reversed(sorted_blues))}

# 输出结果
print("蓝色色调标记与RGB值：")
for rgb, label in color_labels.items():
    print(f"标记 {label}: RGB{rgb}")

R 方法 #

依赖安装 #

install.packages(c("png", "dplyr"))

代码示例 #

library(png)
library(dplyr)

# 读取图片（JPG格式请改用jpeg包的readJPEG）
img <- readPNG("EXGX5.jpg")
# 转换为RGB像素数据框
pixels <- data.frame(
  R = as.integer(as.vector(img[,,1]) * 255),
  G = as.integer(as.vector(img[,,2]) * 255),
  B = as.integer(as.vector(img[,,3]) * 255)
)

# 去重并筛选蓝色系颜色
blue_colors <- pixels %>% 
  distinct(R, G, B) %>% 
  filter(R < 150, G < 180, B > 100)

# 计算亮度并生成深浅标记（最浅为1）
blue_colors <- blue_colors %>% 
  mutate(brightness = 0.299*R + 0.587*G + 0.114*B) %>% 
  arrange(desc(brightness)) %>% 
  mutate(label = row_number())

# 输出结果
cat("蓝色色调标记与RGB值：\n")
print(blue_colors %>% select(label, R, G, B))

注意事项 #

• 蓝色系的筛选阈值需要根据实际图片调整，避免混入非地图的蓝色（比如边框、文字背景等）。
• 如果图片存在抗锯齿导致的过渡色，可以增加颜色聚类步骤（如用sklearn.cluster.KMeans）来合并相近色调。

内容的提问来源于stack exchange，提问作者Frank Swanton