如何用Python可视化大规模图像数据集并展示其颜色分布

必备依赖 #

先安装需要的库：

pip install pillow matplotlib numpy

单张图像的颜色直方图 #

先从单张图入手，理解颜色分布的统计逻辑：

from PIL import Image
import matplotlib.pyplot as plt
import numpy as np

# 读取图像
img = Image.open("sample_image.jpg")
# 转换为RGB模式（避免灰度图或其他模式报错）
img_rgb = img.convert("RGB")
# 提取RGB通道数据
r, g, b = img_rgb.split()

# 计算每个通道的直方图（bins=256对应0-255的像素值范围）
r_hist = np.histogram(r, bins=256, range=(0, 256))
g_hist = np.histogram(g, bins=256, range=(0, 256))
b_hist = np.histogram(b, bins=256, range=(0, 256))

# 绘制直方图
plt.figure(figsize=(12, 6))
plt.plot(r_hist[1][:-1], r_hist[0], color='red', alpha=0.7, label='Red')
plt.plot(g_hist[1][:-1], g_hist[0], color='green', alpha=0.7, label='Green')
plt.plot(b_hist[1][:-1], b_hist[0], color='blue', alpha=0.7, label='Blue')
plt.title("单张图像RGB颜色分布直方图")
plt.xlabel("像素值")
plt.ylabel("像素数量")
plt.legend()
plt.show()

整数据集的颜色分布统计 #

要统计整个数据集的颜色分布，需要遍历所有图像，累加每个通道的像素计数：

import os
from PIL import Image
import matplotlib.pyplot as plt
import numpy as np

# 数据集路径
dataset_dir = "your_dataset_path"
# 初始化三个通道的直方图计数器
total_r = np.zeros(256)
total_g = np.zeros(256)
total_b = np.zeros(256)

# 遍历数据集所有图像
for filename in os.listdir(dataset_dir):
    if filename.lower().endswith(('.png', '.jpg', '.jpeg')):
        img_path = os.path.join(dataset_dir, filename)
        img = Image.open(img_path).convert("RGB")
        r, g, b = img.split()
        
        # 统计当前图像的直方图并累加
        r_counts = np.histogram(r, bins=256, range=(0, 256))[0]
        g_counts = np.histogram(g, bins=256, range=(0, 256))[0]
        b_counts = np.histogram(b, bins=256, range=(0, 256))[0]
        
        total_r += r_counts
        total_g += g_counts
        total_b += b_counts

# 绘制整个数据集的颜色分布直方图
plt.figure(figsize=(12, 6))
plt.plot(range(256), total_r, color='red', alpha=0.7, label='Red Channel')
plt.plot(range(256), total_g, color='green', alpha=0.7, label='Green Channel')
plt.plot(range(256), total_b, color='blue', alpha=0.7, label='Blue Channel')
plt.title("整个图像数据集RGB颜色分布直方图")
plt.xlabel("像素值")
plt.ylabel("总像素数量")
plt.legend()
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()

进阶优化 #

• 归一化处理：如果数据集图像数量/尺寸差异大，可以将直方图除以总像素数，得到比例分布：

  total_pixels = total_r.sum()
  norm_r = total_r / total_pixels
  norm_g = total_g / total_pixels
  norm_b = total_b / total_pixels
  # 后续绘制用norm_r、norm_g、norm_b即可
  

• 堆叠直方图：用plt.bar绘制堆叠效果，更直观展示各通道占比：

  plt.figure(figsize=(12, 6))
  x = range(256)
  plt.bar(x, total_r, color='red', alpha=0.5)
  plt.bar(x, total_g, bottom=total_r, color='green', alpha=0.5)
  plt.bar(x, total_b, bottom=total_r+total_g, color='blue', alpha=0.5)
  plt.title("数据集RGB颜色分布堆叠直方图")
  plt.xlabel("像素值")
  plt.ylabel("总像素数量")
  plt.legend(['Red', 'Green', 'Blue'])
  plt.show()
  

• 处理灰度图：如果数据集中有灰度图，可以在转换时判断，将灰度值同时加到三个通道（或单独统计灰度分布）。

内容的提问来源于stack exchange，提问作者Avantika Saklani