如何用Python提取图像网格中同颜色单元格的坐标？

先给你吃个定心丸：这个任务完全适合图像处理入门，核心思路就是「颜色匹配→生成掩码（Masking）→定位坐标」，一步步拆解下来非常清晰，而且Masking确实是这个任务的核心操作，它能帮你精准锁定目标颜色的区域。

第一步：准备工具 #

推荐用Python的两个新手友好型库，操作简单、文档齐全：

• Pillow（原PIL）：处理图像的基础库，直观易上手
• numpy：用来处理图像的像素数据，快速计算坐标

先在终端里安装它们：

pip install pillow numpy

第二步：完整操作步骤 #

1. 加载图像并转换格式 #

先把你的网格图像加载进来，转换成方便操作像素的数组格式：

from PIL import Image
import numpy as np

# 替换成你的图像文件路径
img = Image.open("your_grid_image.png")
# 将图像转为numpy数组，方便后续像素级操作
img_array = np.array(img)

2. 获取目标颜色的RGB值 #

你需要先确定目标颜色（比如橙色）的准确RGB数值，有两种简单方法：

• 用系统自带的画图工具/Photoshop打开图像，取目标单元格的颜色，记下RGB值（比如标准橙色是(255, 165, 0)，但要以你实际图像为准）
• 用代码提取已知坐标的颜色（比如你提到的(19,0)）：

# 注意：numpy数组的索引是(行,列)，对应你的(y,x)坐标，所以(19,0)要写成[0,19]
target_color = img_array[0, 19]
print("目标颜色RGB值：", target_color)

3. 生成颜色掩码（核心步骤） #

掩码是一个和原图尺寸一致的二值数组：目标颜色的位置标记为True，其余为False，这一步就是精准筛选目标区域的关键：

# 对比每个像素的RGB值，三个通道完全匹配才标记为True
mask = (img_array == target_color).all(axis=2)

解释：axis=2是因为每个像素由R、G、B三个值组成，需要三个值都匹配才算同颜色

4. 提取所有目标单元格的坐标 #

从掩码中找出所有True的位置，转换成你需要的(x,y)格式（注意numpy索引是(y,x)，要反过来）：

# 获取所有匹配位置的行、列索引
y_indices, x_indices = np.where(mask)
# 转换成(x,y)坐标列表
coordinates = list(zip(x_indices, y_indices))

# 打印结果验证
print("所有目标颜色单元格的坐标：")
for coord in coordinates:
    print(coord)

5. 保存坐标（可选） #

如果需要把坐标保存下来供后续使用，直接写入文件即可：

with open("target_coords.txt", "w") as f:
    for coord in coordinates:
        f.write(f"{coord[0]}, {coord[1]}\n")

新手常见问题解决 #

• 颜色有轻微色差怎么办？ 如果网格单元格存在阴影、渐变导致颜色不完全统一，不能直接用==匹配，可以改成判断像素值在误差范围内：

  # 允许每个RGB通道有±10的误差
  lower_bound = target_color - 10
  upper_bound = target_color + 10
  mask = np.logical_and((img_array >= lower_bound).all(axis=2), (img_array <= upper_bound).all(axis=2))
  

• 网格是规则排列的？ 如果你的网格是整齐的，还可以先划分固定大小的网格区域，再检查每个区域的主颜色，效率更高，但新手先从颜色匹配入手就足够了。

内容的提问来源于stack exchange，提问作者POOJA GUPTA