热线电话：13121318867

登录
首页精彩阅读【Python】爬虫+ K-means 聚类分析电影海报主色调
【Python】爬虫+ K-means 聚类分析电影海报主色调
2016-03-08
收藏
每部电影都有自己的海报，即便是在如今这互联网时代，电影海报仍是一个强大的广告形式。每部电影都会根据自身的主题风格设计海报，精致的电影海报可以吸引人们的注意力。那么问题来了，不同风格的电影海报对颜色有什么样的偏好呢？

1、利用Python爬取海报数据

为了回答这个问题，我们需要分析不同风格电影的海报情况。首先，我们需要构建一个电影海报数据的数据集，因此我利用 Bing 图像搜索引擎来获取海报数据。

接下来我利用 Python 从网页中抓取电影海报数据并将其储存到本地电脑中，最终我得到四种电影类型(惊悚片、喜剧、动画片和动作片)的112张海报数据。

其中部分海报数据如下图所示：


2、图像格式转换

为了提取海报的颜色信息，我们需要将图像转换为 RGB 像素矩阵。比如，对于 200*200 像素的图片，我们需要将其转换成含有 40000 个像素信息的对象。同时为了保持数据集的大小，我将图像的大小统一设定为 200*200。


3、提取颜色信息

接下来我利用 K 均值算法和颜色信息将海报分成许多不同的类别。我尝试了 k=3， k=5和k=10三种模型，但由于大多数海报通常都具有黑色的字体和边框，所以前两种模型无法获取海报中的主要颜色信息。最终我选择k=10的模型，并利用该算法处理 112 张海报，得到了 1120 种颜色信息。

部分结果如下图所示：


从下图中我们可以看出，K 均值算法存在一些不足之处：该算法对初始值非常敏感，这会产生一些不想要的结果。在这张海报中，该算法无法获取金色或橘黄色的信息。


4、3D 散点图

对每一类型的电影，我根据海报的 RGB 数据绘制三维散点图，其中每个点代表海报的一个颜色。通过比较四张散点图我们可以发现大多数惊悚片的海报中都有暗黑色和红色，而喜剧和动画片则会根据不同的电影主题选择不同的配色。

喜剧 VS. 动画片


动作片 VS. 惊悚片


5、转换颜色信息

由于我们很难从 1120 种颜色中提取一些特定的模式，因此我们需要降低颜色的维度。我们可以将颜色信息转换到 Lab 色彩空间中，然后利用Python中的 Delta E equations和colormath包来计算海报中的颜色和基础颜色之间的视觉差异程度。

我通过最小距离法将这些颜色分成 17 类。下表是喜剧电影海报数据的部分数据：


6、电影类型对比

转换数据后，我计算出每个电影类型中所包含的基本色数量。


从上图中我们可以发现黑色、灰色和白色是电影海报中最常见的三种颜色。这是因为基本色的数量太少了，而大多数电影海报都有黑色的标题和边框。


文 | Amy (YuJing) Ma
译 | Fibears
译文来自数据工匠（微信号ID：shujugongjiang）
CDA数据分析获授权发布

原文链接：http：//blog.nycdatascience.com/students-work/using-python-and-k-means-to-find-the-colors-in-movie-posters/


CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>>   “CDA报名” 了解CDA考试详情；

▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；

▷ 想查询CDA考试成绩，点击>>> “CDA成绩” 了解CDA考试详情；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；

▷ 想获取CDA考试时间/费用/条件/大纲/通过率，点击 >>>“CDA考试官网” 了解CDA考试详情；

散点图 python 数据分析

数据分析咨询请扫描二维码

上一篇图论在大数据分析中的作用！
下一篇CDA认证再升一档！与国家共同推进大数据人才培养标准教育事业！
CDA考试动态
CDA报考指南
热门栏目
最新资讯
更多
Copyright © 2015-present 北京国富如荷网络科技有限公司 All Rights Reserved.
京ICP备11001960号-9   京公网安备 11010802034615号   经营许可证编号：京B2-20210330
客服在线
立即咨询