python 实现从座位图中识别不同颜色和数量的座位并以JSON格式输出的功能

为了实现从座位图中识别不同颜色和数量的座位并以JSON格式输出的功能，本方案采用Python语言结合图像处理和数据分析技术。以下是详细的设计与实现过程，涵盖图像预处理、座位区域检测、颜色提取、统计逻辑及结果格式化。

一、技术方案概述

1. 输入形式：假定输入为PNG/JPG格式的座位图，座位以矩形色块形式排列。
2. 核心步骤：
   • 图像预处理（降噪、二值化）
   • 座位区域检测（轮廓识别、几何过滤）
   • 颜色提取（中心采样、RGB转十六进制）
   • 颜色统计与JSON序列化
3. 输出格式：JSON数组包含颜色值和对应数量。

二、环境准备

安装必要的Python库：

pip install opencv-python numpy Pillow

三、详细实现步骤

1. 图像读取与预处理

import cv2
import numpy as np
from collections import defaultdict
import json

def load_image(image_path):
    # 读取图像并转换色彩空间
    image = cv2.imread(image_path)
    return cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

2. 图像预处理（降噪与二值化）

def preprocess_image(image):
    # 灰度化与高斯模糊降噪
    gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)
    blurred = cv2.GaussianBlur(gray, (5, 5), 0)
    # Otsu自适应阈值二值化
    _, thresh = cv2.threshold(blurred, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
    # 形态学闭运算填充空隙
    kernel = np.ones((3, 3), np.uint8)
    return cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel, iterations=2)

3. 检测座位区域

def detect_seat_contours(processed_image, min_area=100):
    # 查找轮廓并过滤小区域
    contours, _ = cv2.findContours(processed_image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    return [cnt for cnt in contours if cv2.contourArea(cnt) > min_area]

4. 提取颜色信息

def extract_colors(image, contours):
    color_data =