如何统计视频帧黑色像素数量并计算彩色像素RGB均值

实际采集的视频画面中几乎不存在RGB值全为0的纯黑像素，通常设定通道阈值，三个通道值均低于阈值即判定为黑色，再通过掩码分离黑色、彩色像素区域，分别完成计数和彩色区域的均值计算即可。

核心实现步骤 #

• 设定黑色像素判定阈值，生成黑色像素掩码
• 基于掩码统计黑色像素总量，用帧总像素数减去黑色像素数得到彩色像素总量
• 传入彩色区域掩码，仅对非黑色像素计算B/G/R三通道平均值

完整修改代码 #

import cv2
import numpy as np

# 黑色像素判定阈值，三个通道值均低于该值即判定为黑色，可根据实际场景调整
BLACK_THRESHOLD = 10

cap = cv2.VideoCapture(0)
# 提前定义黑色像素的BGR值上下界
lower_black = np.array([0, 0, 0], dtype=np.uint8)
upper_black = np.array([BLACK_THRESHOLD, BLACK_THRESHOLD, BLACK_THRESHOLD], dtype=np.uint8)

while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break
    h, w = frame.shape[:2]
    total_pixel = h * w

    # 生成黑色像素掩码
    black_mask = cv2.inRange(frame, lower_black, upper_black)
    # 统计黑色像素数量
    black_count = cv2.countNonZero(black_mask)
    # 彩色像素数量 = 总像素 - 黑色像素
    color_count = total_pixel - black_count

    # 仅统计彩色像素的BGR均值，传入掩码自动忽略黑色区域
    b_mean, g_mean, r_mean = cv2.mean(frame, mask=cv2.bitwise_not(black_mask))[:3]
    b_mean = round(b_mean)
    g_mean = round(g_mean)
    r_mean = round(r_mean)

    # 可选：把统计结果绘制到画面上方便实时查看
    cv2.putText(frame, f"Black pixel: {black_count}", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 255, 0), 2)
    cv2.putText(frame, f"Color pixel: {color_count}", (10, 60), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 255, 0), 2)
    cv2.putText(frame, f"Color BGR mean: ({b_mean}, {g_mean}, {r_mean})", (10, 90), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 255, 0), 2)

    cv2.imshow('frame', frame)

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

调整说明 #

• 若黑色像素识别不准，可修改BLACK_THRESHOLD参数：光线较暗的场景可适当调高阈值（如15-20），光线充足的场景可保持10或调低至5
• 若需要读取本地视频文件，将cv2.VideoCapture(0)中的参数0替换为本地视频的文件路径即可
• 代码使用OpenCV原生的带掩码均值计算接口，比numpy手动切片计算效率更高，实时摄像头流运行时不会出现明显卡顿

内容的提问来源于stack exchange，提问作者Ameni Kaabi