如何用OpenCV快速准确获取屏幕截图的平均颜色？

你的嵌套循环遍历像素的方式效率极低，Python层面的循环在处理高分辨率屏幕时会非常慢，而且手动计算容易出现精度偏差。OpenCV和Numpy提供了原生的优化方法，能大幅提升速度并保证精度：

方法1：使用OpenCV内置的cv2.mean() #

cv2.mean()是专门用于计算图像各通道均值的函数，底层由C++实现，速度远快于Python循环。它会直接返回每个通道的平均值，对于你的BGRA格式截图，只需要取前三个通道（B、G、R）即可。

方法2：使用Numpy向量化操作 #

Numpy的向量化计算同样基于底层优化，通过mean()方法指定轴参数，可以一次性计算所有像素的通道均值，代码简洁且高效。

修改后的完整代码 #

以下是替换了平均颜色计算逻辑的代码，这里用cv2.mean()为例：

import numpy as np
import cv2
import mss
import time  

def getAverageColor(frame):
    # 计算BGRA四个通道的均值，取前三个B、G、R通道
    mean_vals = cv2.mean(frame)
    return (mean_vals[0], mean_vals[1], mean_vals[2])

with mss.mss() as sct:
    time.sleep(2)
    # 遍历所有显示器（跳过索引0的虚拟主显示器）
    for monitor_number, mon in enumerate(sct.monitors[1:]):
        # 抓取屏幕画面，转为BGRA格式的numpy数组
        img = np.array(sct.grab(mon))
        # 获取平均颜色
        print(getAverageColor(img))
        # 显示缩小后的测试画面
        cv2.imshow(f'img{monitor_number}', cv2.resize(img, (img.shape[1]//4, img.shape[0]//4)))
        # 按q退出
        if cv2.waitKey(1) == ord('q'):
            break

cv2.destroyAllWindows()

如果想用Numpy的方式，只需要把getAverageColor改成：

def getAverageColor(frame):
    # 沿(0,1)轴计算均值，即对所有行和列的像素求平均
    b_mean, g_mean, r_mean, a_mean = frame.mean(axis=(0,1))
    return (b_mean, g_mean, r_mean)

额外优化建议 #

如果追求更快的速度，可以先对截图进行降采样（比如缩小到100x100的小图）再计算均值，这样既不会明显影响颜色准确性，又能进一步减少计算量，特别适合高分辨率屏幕的实时处理：

# 在抓取图像后添加降采样
small_img = cv2.resize(img, (100, 100), interpolation=cv2.INTER_AREA)
print(getAverageColor(small_img))

内容的提问来源于stack exchange，提问作者code-wolf-byte