图片主色调分析

# -*- coding: utf-8 -*-

"""
    项目参考:http://blog.nycdatascience.com/student-works/using-python-and-k-means-to-find-the-colors-in-movie-posters/
"""
from bs4 import BeautifulSoup
import requests
import re
import os
import skimage.io
import skimage.transform
import pandas as pd
from sklearn.cluster import KMeans
import numpy as np

# 路径申明
save_path = './images/'
kmeans_results_path = './kmeans_results'
# 主题色个数
n_main_color = 10
# 是否下载图片
is_download = False


def download_posters(image_type):
    """
        下载电影海报并保存到本地
    """
    print('正在下载{}类型的电影海报...'.format(image_type))
    query = 'movie 2018 ' + image_type + ' poster'
    url = 'http://global.bing.com/images/search?q=' + query + '&FORM=HDRSC2'
    soup = BeautifulSoup(requests.get(url).text, 'lxml')
    img_src_list = [a['src'] for a in soup.find_all('img', {'src': re.compile('mm.bing.net')})]
    for i, img_src in enumerate(img_src_list):
        img_data = skimage.io.imread(img_src)
        if img_data is not None:
            save_img_name = image_type + '_' + str(i + 1) + '.jpg'
            skimage.io.imsave(os.path.join(save_path, save_img_name), img_data)
            print('已下载{}张'.format(i + 1))
        else:
            print('该图像无效', img_src)
    print()


def proc_img(img_filename):
    """
        读取海报,并运行K-Means找出10个主要颜色
    """
    img = skimage.io.imread(os.path.join(save_path, img_filename))
    # 调整图片大小至 200 x 200
    resized_img = skimage.transform.resize(img, (200, 200))
    img_data = resized_img.reshape(-1, 3)
    kmeans = KMeans(n_clusters=n_main_color)
    kmeans.fit(img_data)
    centers = kmeans.cluster_centers_

    # 将每个像素值扩展到20x20x3的矩形框中,用于保存查看
    color_block_size = 20
    main_color_img = np.zeros((color_block_size * n_main_color, color_block_size, 3))
    for i, center in enumerate(centers):
        main_color_img[i * color_block_size: (i + 1) * color_block_size, :, :] = center
    skimage.io.imsave(os.path.join(kmeans_results_path, img_filename), main_color_img)

    # 保存数据到一行dataframe中
    kmeans_result_df = pd.DataFrame()
    kmeans_result_df['image name'] = [img_filename]
    kmeans_result_df['movie type'] = [img_filename.split('_')[0]]
    for i, center in enumerate(centers):
        rgb_val = skimage.img_as_ubyte(center)
        kmeans_result_df['color{}_R'.format(i + 1)] = [rgb_val[0]]
        kmeans_result_df['color{}_G'.format(i + 1)] = [rgb_val[1]]
        kmeans_result_df['color{}_B'.format(i + 1)] = [rgb_val[2]]
    return kmeans_result_df


def run_main():
    """
        主程序
    """
    # 爬取电影海报
    movie_types = ['horror', 'comedy', 'animation', 'action']

    if is_download:
        for movie_type in movie_types:
            download_posters(movie_type)

    # 读取每张海报,并运行K-Means找出每张海报的10个主要颜色,并构建数据集
    img_filename_list = os.listdir(save_path)
    result_df = pd.DataFrame()
    for img_filename in img_filename_list:
        print('正在处理', img_filename)
        kmeans_result_df = proc_img(img_filename)
        result_df = result_df.append(kmeans_result_df, ignore_index=True)

    result_df.to_csv('./kmeans_results.csv', index=False)

if __name__ == '__main__':
    run_main()

爬取得图片资源:

提取的每张图片的主色调:

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,456评论 5 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,370评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,337评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,583评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,596评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,572评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,936评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,595评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,850评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,601评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,685评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,371评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,951评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,934评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,167评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,636评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,411评论 2 342

推荐阅读更多精彩内容