使用 numpy 确定 RGB 图像的某些部分是彩色还是灰度

Question

我正在尝试使用 python、opencv 和 numpy 库来确定 RGB 图像的某些部分是彩色还是灰度。 更具体地说，在 RGB 图像中，我使用神经网络确定人脸位置，当该图像包含打印照片时，我想知道该图像中的人脸位置是灰度还是彩色。

到目前为止我尝试了什么：

            red_average = np.average(rgb_image_crop[:,:,0])
            green_average = np.average(rgb_image_crop[:,:,1])
            blue_average = np.average(rgb_image_crop[:,:,2])

            highest_distance = max(abs(red_average-green_average), abs(red_average-blue_average), abs(green_average-blue_average))
            if highest_distance> 15:
                print("this crop is colored")
            else:
                print("this crop is grayscale")

在找到人脸的位置后，人脸被裁剪并命名为“rgb_image_crop”。 我基本上使用 numpy 拆分 R、G、B 通道并分别取它们的平均值。 我的逻辑是，与彩色图像相比，灰度图像的 R、G、B 像素值彼此接近，这种方法的性能一般。

但我想知道有没有比这更复杂的方法并有望获得更高的成功？ 我查看了其他问题，但每个人都只是想确定图像文件是黑白还是 RGB。

Answer 1

如何找到裁剪图像的每个像素的最大差异，然后获取它们的 STD。 对于灰度图像，与彩色图像相比，该值必须很小。

Answer 2

您可以使用 Numpy 跨第 3 维峰到峰来获得每个像素位置的最小和最大 RGB 值之间的差异。 然后阈值并计算异常值：

RGBrange = np.ptp(im, axis=2) > 10