我正在尝试生成图像的颜色直方图。我正在使用 PIL 读取图像文件并尝试通过 matplotlib 绘制相同的图像。
im = Image.open(sys.argv[1])
w, h = im.size
colors = im.getcolors(w*h) #Returns a list [(pixel_count, (R, G, B))]
更新：经过反复试验，此代码绘制直方图，但不绘制颜色！（即使是 320x480 jpeg 也会耗费大量内存）
for idx, c in enumerate(colors):
plt.bar(idx, c[0], color=hexencode(c[1]))
plt.show()
在哪里，
def hexencode(rgb):
return '#%02x%02x%02x' % rgb
执行时，程序开始消耗无限内存并且不提供显示。操作系统内存使用量在几分钟内从 < 380 MB 变为 > 2.5 GB；我终止执行的帖子。我怎样才能解决问题？
这是具有主要红色阴影的图像的颜色直方图示例：
我试过你的更新代码，效果很好。这正是我正在尝试的：
import PIL
from PIL import Image
from matplotlib import pyplot as plt
im = Image.open('./color_gradient.png')
w, h = im.size
colors = im.getcolors(w*h)
def hexencode(rgb):
r=rgb[0]
g=rgb[1]
b=rgb[2]
return '#%02x%02x%02x' % (r,g,b)
for idx, c in enumerate(colors):
plt.bar(idx, c[0], color=hexencode(c[1]))
plt.show()
更新：
我认为 matplotlib 试图在每个栏周围放置一个黑色边框。如果条形太多，则条形太细而没有颜色。如果您有工具栏，您可以放大绘图并查看条形确实有颜色。因此，如果您通过以下方式设置边缘颜色：
for idx, c in enumerate(colors):
plt.bar(idx, c[0], color=hexencode(c[1]),edgecolor=hexencode(c[1]))
有用！
要处理的图像：
结果：
按tottime
排序的分析：
ncalls tottime percall cumtime percall filename:lineno(function)
1 23.424 23.424 24.672 24.672 {built-in method mainloop}
460645 8.626 0.000 8.626 0.000 {numpy.core.multiarray.array}
22941 7.909 0.000 18.447 0.001 C:\Python27\lib\site-packages\matplotlib\artist.py:805(get_aliases)
6814123 3.900 0.000 3.900 0.000 {method 'startswith' of 'str' objects}
22941 2.244 0.000 2.244 0.000 {dir}
276714 2.140 0.000 2.140 0.000 C:\Python27\lib\weakref.py:243(__init__)
4336835 2.029 0.000 2.029 0.000 {getattr}
1927044 1.962 0.000 3.027 0.000 C:\Python27\lib\site-packages\matplotlib\artist.py:886(is_alias)
114811 1.852 0.000 3.883 0.000 C:\Python27\lib\site-packages\matplotlib\colors.py:317(to_rgba)
69559 1.653 0.000 2.841 0.000 C:\Python27\lib\site-packages\matplotlib\path.py:86(__init__)
68869 1.425 0.000 11.700 0.000 C:\Python27\lib\site-packages\matplotlib\patches.py:533(_update_patch_transform)
161205 1.316 0.000 1.618 0.000 C:\Python27\lib\site-packages\matplotlib\cbook.py:381(is_string_like)
1 1.232 1.232 1.232 1.232 {gc.collect}
344698 1.116 0.000 1.513 0.000 C:\Python27\lib\site-packages\matplotlib\cbook.py:372(iterable)
22947 1.111 0.000 3.768 0.000 {built-in method draw_path}
276692 1.024 0.000 3.164 0.000 C:\Python27\lib\site-packages\matplotlib\transforms.py:80(__init__)
2 1.021 0.510 1.801 0.900 C:\Python27\lib\site-packages\matplotlib\colors.py:355(to_rgba_array)
22947 0.818 0.000 14.677 0.001 C:\Python27\lib\site-packages\matplotlib\patches.py:371(draw)
183546/183539 0.793 0.000 2.030 0.000 C:\Python27\lib\site-packages\matplotlib\units.py:117(get_converter)
138006 0.756 0.000 1.267 0.000 C:\Python27\lib\site-packages\matplotlib\transforms.py:126(set_children)
按累计时间排序
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.001 0.001 84.923 84.923 C:\Python27\test.py:23(imageProcess)
1 0.013 0.013 44.079 44.079 C:\Python27\lib\site-packages\matplotlib\pyplot.py:2080(bar)
1 0.286 0.286 43.825 43.825 C:\Python27\lib\site-packages\matplotlib\axes.py:4556(bar)
1 0.000 0.000 40.533 40.533 C:\Python27\lib\site-packages\matplotlib\pyplot.py:123(show)
1 0.000 0.000 40.533 40.533 C:\Python27\lib\site-packages\matplotlib\backend_bases.py:69(__call__)
22943 0.171 0.000 24.964 0.001 C:\Python27\lib\site-packages\matplotlib\patches.py:508(__init__)
1 0.000 0.000 24.672 24.672 C:\Python27\lib\site-packages\matplotlib\backends\backend_tkagg.py:68(mainloop)
1 0.000 0.000 24.672 24.672 C:\Python27\lib\lib-tk\Tkinter.py:323(mainloop)
1 23.424 23.424 24.672 24.672 {built-in method mainloop}
22947 0.499 0.000 24.654 0.001 C:\Python27\lib\site-packages\matplotlib\patches.py:55(__init__)
22941 0.492 0.000 20.180 0.001 C:\Python27\lib\site-packages\matplotlib\artist.py:1136(setp)
22941 0.135 0.000 18.730 0.001 C:\Python27\lib\site-packages\matplotlib\artist.py:788(__init__)
22941 7.909 0.000 18.447 0.001 C:\Python27\lib\site-packages\matplotlib\artist.py:805(get_aliases)
72/65 0.071 0.001 17.118 0.263 {built-in method call}
24/12 0.000 0.000 17.095 1.425 C:\Python27\lib\lib-tk\Tkinter.py:1405(__call__)
22941 0.188 0.000 16.647 0.001 C:\Python27\lib\site-packages\matplotlib\axes.py:1476(add_patch)
1 0.000 0.000 15.861 15.861 C:\Python27\lib\site-packages\matplotlib\backends\backend_tkagg.py:429(show)
1 0.000 0.000 15.861 15.861 C:\Python27\lib\lib-tk\Tkinter.py:909(update)
1 0.000 0.000 15.846 15.846 C:\Python27\lib\site-packages\matplotlib\backends\backend_tkagg.py:219(resize)
1 0.000 0.000 15.503 15.503 C:\Python27\lib\site-packages\matplotlib\backends\backend_tkagg.py:238(draw)
似乎所有的时间都花在了 matplotlib 上。如果您想加快速度，您可以找到不同的绘图工具或减少“条”的数量。尝试用画布上的矩形自己做。
定时：
我一直在研究类似的问题，并在 5 年后遇到了这个线程。对于较大的图像，接受的答案是花费太长时间来简单地“生成图像的颜色直方图”。
我使用 openCV 而不是 PIL 来生成直方图，它要快得多。
import cv2
import numpy as np
from matplotlib import pyplot as plt
file0 = 'image.jpg'
img = cv2.imread(file0)
color = ('b','g','r')
plt.figure()
for i,col in enumerate(color):
histr = cv2.calcHist([img],[i],None,[256],[0,256])
plt.plot(histr,color = col)
plt.xlim([0,256])
plt.show()
