为了简单起见，我将文件名硬编码为“image.jpg”。调整图像大小是为了提高速度：如果您不介意等待，请注释掉resize调用。当在这个{a3}上运行时，它通常说主色是{d8c865，它大致相当于两个辣椒左下角的亮黄色区域。我之所以说“通常”，是因为使用的clustering algorithm具有一定程度的随机性。有多种方法可以改变这一点，但对于你的目的，它可能很适合。(如果需要确定的结果，请查看kmeans2()变量上的选项。)from __future__ import print_function

import binascii

import struct

from PIL import Image

import numpy as np

import scipy

import scipy.misc

import scipy.cluster

NUM_CLUSTERS = 5

print('reading image')

im = Image.open('image.jpg')

im = im.resize((150, 150)) # optional, to reduce time

ar = np.asarray(im)

shape = ar.shape

ar = ar.reshape(scipy.product(shape[:2]), shape[2]).astype(float)

print('finding clusters')

codes, dist = scipy.cluster.vq.kmeans(ar, NUM_CLUSTERS)

print('cluster centres:\n', codes)

vecs, dist = scipy.cluster.vq.vq(ar, codes) # assign codes

counts, bins = scipy.histogram(vecs, len(codes)) # count occurrences

index_max = scipy.argmax(counts) # find most frequent

peak = codes[index_max]

colour = binascii.hexlify(bytearray(int(c) for c in peak)).decode('ascii')

print('most frequent is %s (#%s)' % (peak, colour))

注意：当我将集群的数量从5个扩展到10个或15个时，它经常给出绿色或蓝色的结果。给定输入图像，这些结果也是合理的。。。我也分不清哪种颜色在那张图片中占主导地位，所以我不怪算法！

还有一个小小的好处：只使用N种最常见的颜色保存缩小的图像：# bonus: save image using only the N most common colours

import imageio

c = ar.copy()

for i, code in enumerate(codes):

c[scipy.r_[scipy.where(vecs==i)],:] = code

imageio.imwrite('clusters.png', c.reshape(*shape).astype(np.uint8))

print('saved clustered image')