1.對于RGB三通道圖片，直接用兩層for循環的話，效率比較低

2.可以先將RGB圖片轉為灰度圖片，再利用numpy.where的廣播機制統計像素個數。這里有一個前提是提前知道與灰度圖片的像素值相對應RGB顏色。

代碼如下：

from PIL import Imageimport numpy as npimport cv2img_L = np.array(Image.open(’test.png’).convert('L'))img_RGB = np.array(Image.open(’test.png’).convert('RGB'))# temp = {}# for i in range(img_L.shape[0]):# for j in range(img_L.shape[1]):# if not temp.get(int(img_L[i][j])):# temp[int(img_L[i][j])] = list(img_RGB[i][j])# print(temp)#這里得到灰度像素值0對應(0,0,0),62對應(19,69,139)color_0_0_0 = np.where(img_L == 0)[0].shape[0]color_19_69_139 = np.where(img_L == 62)[0].shape[0]pixel_sum = img_L.shape[0] * img_L.shape[1]print('0_0_0 像素個數：{} 占比：%{}'.format(color_0_0_0,color_0_0_0/pixel_sum*100))print('19_69_139 像素個數：{} 占比：%{}'.format(color_19_69_139,color_19_69_139/pixel_sum*100))

補充：OpenCV---如何統計圖像的像素分布值個數（6）

import cv2 as cvimport matplotlib.pyplot as pltimport numpy as npdef statistics(): src = cv.imread('D:/matplotlib/0.jpg') cv.imshow('q',src) h,w,ch = np.shape(src) gray = cv.cvtColor(src,cv.COLOR_BGR2GRAY) cv.imshow('gray',gray) hest = np.zeros([256],dtype = np.int32) for row in range(h): for col in range(w): pv = gray[row,col] hest[pv] +=1 plt.plot(hest,color = 'r') plt.xlim([0,256]) plt.show() cv.waitKey(0) cv.destroyAllWindows()statistics()運行效果：

像素分布統計圖

import cv2 as cvimport matplotlib.pyplot as pltimport numpy as npdef statistics(): src = cv.imread('D:/matplotlib/0.jpg') cv.imshow('q',src) h,w,ch = np.shape(src) #讀取圖像屬性 gray = cv.cvtColor(src,cv.COLOR_BGR2GRAY) #將圖像轉換成灰度圖， cv.imshow('gray',gray) hest = np.zeros([256],dtype = np.int32) #建立空白數組 for row in range(h): for col in range(w): pv = gray[row,col] hest[pv] +=1 #統計不同像素值出現的頻率 plt.plot(hest,color = 'r') plt.xlim([0,256]) plt.show() #畫出統計圖 cv.waitKey(0) cv.destroyAllWindows()statistics()

以上為個人經驗，希望能給大家一個參考，也希望大家多多支持好吧啦網。如有錯誤或未考慮完全的地方，望不吝賜教。