RGB image analysis.py

1. import numpy as np
2. import mpl_toolkits.mplot3d.axes3d as p3
3. import matplotlib.pyplot as plt
4. import colorsys
5. from PIL import Image
6.  
7. # (1) Import the file to be analyzed!
8. img_file = Image.open("sunset.jpg")
9. img = img_file.load()
10.  
11. # (2) Get image width & height in pixels
12. [xs, ys] = img_file.size
13. max_intensity = 100
14. hues = {}
15.  
16. # (3) Examine each pixel in the image file
17. for x in xrange(0, xs):
18.   for y in xrange(0, ys):
19.     # (4)  Get the RGB color of the pixel
20.     [r, g, b] = img[x, y]
21.  
22.     # (5)  Normalize pixel color values
23.     r /= 255.0
24.     g /= 255.0
25.     b /= 255.0
26.  
27.     # (6)  Convert RGB color to HSV
28.     [h, s, v] = colorsys.rgb_to_hsv(r, g, b)
29.  
30.     # (7)  Marginalize s; count how many pixels have matching (h, v)
31.     if h not in hues:
32.       hues[h] = {}
33.     if v not in hues[h]:
34.       hues[h][v] = 1
35.     else:
36.       if hues[h][v] < max_intensity:
37.         hues[h][v] += 1
38.  
39. # (8)   Decompose the hues object into a set of one dimensional arrays we can use with matplotlib
40. h_ = []
41. v_ = []
42. i = []
43. colours = []
44.  
45. for h in hues:
46.   for v in hues[h]:
47.     h_.append(h)
48.     v_.append(v)
49.     i.append(hues[h][v])
50.     [r, g, b] = colorsys.hsv_to_rgb(h, 1, v)
51.     colours.append([r, g, b])
52.  
53. # (9)   Plot the graph!
54. fig = plt.figure()
55. ax = p3.Axes3D(fig)
56. ax.scatter(h_, v_, i, s=5, c=colours, lw=0)
57.  
58. ax.set_xlabel('Hue')
59. ax.set_ylabel('Value')
60. ax.set_zlabel('Intensity')
61. fig.add_axes(ax)
62. plt.show()