1.对于RGB三通道图片，直接用两层for循环的话，效率比较低

2.可以先将RGB图片转为灰度图片，再利用numpy.where的广播机制统计像素个数。这里有一个前提是提前知道与灰度图片的像素值相对应RGB颜色。

代码如下：

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)#这里得到灰度像素值0对应(0,0,0),62对应(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 像素个数：{} 占比：%{}".format(color_0_0_0,color_0_0_0/pixel_sum*100))print("19_69_139 像素个数：{} 占比：%{}".format(color_19_69_139,color_19_69_139/pixel_sum*100))

补充：OpenCV---如何统计图像的像素分布值个数（6）

代码如下：

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()

运行效果：

像素分布统计图

代码解释：

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) #读取图像属性 gray = cv.cvtColor(src,cv.COLOR_BGR2GRAY) #将图像转换成灰度图， cv.imshow("gray",gray) hest = np.zeros([256],dtype = np.int32) #建立空白数组 for row in range(h): for col in range(w): pv = gray[row,col] hest[pv] +=1 #统计不同像素值出现的频率 plt.plot(hest,color = "r") plt.xlim([0,256]) plt.show() #画出统计图 cv.waitKey(0) cv.destroyAllWindows()statistics()

以上为个人经验，希望能给大家一个参考，也希望大家多多支持。如有错误或未考虑完全的地方，望不吝赐教。