图像的颜色一直是研究和关注的热点，也是特征工程不可或缺的feature，今天就简单介绍一种非常基础的颜色的rgb特征。
我们希望图片的rgb特征转化成一个可衡量的指标，例如人的身高、体重 这样的指标173cm, 60kg，用于后续工作。那么怎么转化呢？首先我们需要定一个标准，这里是从图片中提取了8种颜色（红、橙、黄....）用来反映图片的RGB指标, 就好比表述一个人的健康指标，可能回身高、体重、血常规等等。
2.颜色提取：
首先我们可以在网上找到hex颜色和对应名称的网页，如下：
通过html解析，我们就可以获得hex颜色和颜色名称的对应关系，然后再通过hex -> rgb转化就可以得到 rgb和颜色名称，如下表：
### 颜色转化方法
def hex_to_int(s):
""" hex to rgb"""
s = s.lstrip("#")
return int(s[:2], 16), int(s[2:4], 16), int(s[4:6], 16)
有了对应关系后，我们需要抽提出我们关心的颜色，如红色，黄色等，但问题就是红色可能会有很多种，这时就需要我们队将相近颜色进行合并。
def distance(coord1, coord2):
""" 相近颜色计算方法 """
return math.sqrt(sum([(i - j)**2 for i, j in zip(coord1, coord2)]))我们先来测试一下相近颜色计算方法：
（1）我们比较一下距离： 红色 vs 绿色 距离 是不是 大于 红色 vs 粉色 ？ 结果发现红色和粉色更接近，说明我们可以按照这样的方法进行。
distance(colors['red'], colors['green']) # 273.70787347096905
distance(colors['red'], colors['pink']) # 232.76812496559748
print(f"{distance(colors['red'], colors['green']) > distance(colors['red'], colors['pink'])}") ## True（2）比较一下颜色：就是把每个颜色相近的颜色拿出来，大致检查一下即可，方法如下：
#### 通过相似度算法进行相近颜色合并
all_imgs = []
for color_name in ['red', 'orange', 'yellow', 'green', 'blue', 'purple', 'grey', 'pink']:
topk = 5
imgs = []
closest_names = closest(colors, colors[color_name], topk)
closest_colors = list(map(colors.get, closest_names))
print(f"{color_name}: {closest_names}")
for i, (name, rgb) in enumerate(zip(closest_names, closest_colors)):
img = show_color(rgb, size=100)
imgs.append(pil2cv_img(img))
imgs = np.hstack(imgs)
all_imgs.append(imgs)
all_imgs = np.vstack(all_imgs)
cv2_pilimg(all_imgs)
这样我们就拿到了指标颜色。有了指标颜色，后面的就简单了。我们先那一张图片测试一下颜色提取效果：
这样的很简单的就可以拿到rgb特征了。当然，方法有很多种，这只是其中的一种。
今天就分享到这里, 我是paperClub。
备注：WeiXin 搜索paperClub, 添加关注并回复【paperClub】即可获取使用方法。
1. 感谢各位小伙伴的关注， 您的点赞、鼓励和留言，都是我深夜坚持的一份动力，无论褒贬，都是我们行进途中最好的回馈，也都会被认真对待。
2. 我将持续分享各类、好玩且有趣的算法应用及工程和项目，欢迎分享和转发。沟通、学习和交流，请与我联系，虽然平时忙，但留言必回，勿急，感谢理解！
3. 分享内容包括开源项目和自研项目，如在引用或使用时，考虑不周、遗漏引用信息或涉及版权等，请您及时联系。如果您对某些内容感兴趣，我们可以一起讨论、交流和学习。