基于matlab的图像处理-RGB色彩提取方法

最近在学习图像处理,想到怎么样才能提一个图片的RGB分量呢?下面简述两种方法,方法一只能显示黑白的提取RGB图像,方法二,显示的是彩色提取RGB。

方法一:

  1. 首先通过函数对图片进行读取并显示。

image = imread('杯子.jpg');

imshow(image)

运行后图片如图。


  1. 接下来对红色分量进行提取并显示。

image = imread('杯子.jpg');

imager = image(:,:,1);

imshow(imager)


  1. 接下来对绿色分量进行提取并显示。

image = imread('杯子.jpg');

imageg = image(:,:,2);

imshow(imageg)

  1. 接下来对蓝色分量进行提取并显示。

image = imread('杯子.jpg');

imageb = image(:,:,3);

imshow(imageb)

  1. 为了方便比较,采用sublpot函数将处理过的图片通过一个界面进行显示。

image = imread('杯子.jpg');

imager = image(:,:,1);

imageg = image(:,:,2);

imageb = image(:,:,3);

subplot(221);

imshow(imager);

title('r')

subplot(222);

imshow(imageg);

title('g')

subplot(223);

imshow(imageb);

title('b')

subplot(224);

imshow(image);

  1. 同时,在图像处理后还可以将图像不同分量进行想加,代码如下:

image = imread('杯子.jpg');

imager = image(:,:,1);

imageg = image(:,:,2);

imageb = image(:,:,3);

subplot(221);

imshow(imager);

title('r')

subplot(222);

imshow(imageg);

title('g')

subplot(223);

imshow(imageb);

title('b')

subplot(224);

imshow(imageg+imageb+imager);

 

方法二:


打开图像

[FileName,FilePath]=uigetfile('*.jpg;*.png;*.tif;*.img;*.gif;','请选择图像数据');

str=[FilePathFileName];

Image=imread(str);

% 以对话框的形式选择打开一幅图像

1. 设置参数

Gray=rgb2gray(Image);

R=Image(:,:,1);G=Image(:,:,2); B=Image(:,:,3);

diff_R=0; diff_G=0;diff_B=0;  % 设置红、绿、蓝三种颜色提取阈值(越大越严格)

2. 红色提取

Image_R=Image;

RP_R=Image(:,:,1);RP_G=Image(:,:,2); RP_B=Image(:,:,3);

XYR=~((R-G)>diff_R&(R-B)>diff_R); % 提取红色条件是R分量与G、B分量差值大于设定

Mask=Gray(XYR); % 灰照片掩膜

RP_R(XYR)=Mask;RP_G(XYR)=Mask; RP_B(XYR)=Mask;  % 使得非红色区域变为灰色

Image_R(:,:,1)=RP_R;Image_R(:,:,2)=RP_G; Image_R(:,:,3)=RP_B;

3. 绿色提取

Image_G=Image;

GP_R=Image(:,:,1);GP_G=Image(:,:,2); GP_B=Image(:,:,3);

XYG=~((G-R)>diff_G&(G-B)>diff_G); % 提取绿色条件是G分量与R、B分量差值大于设定

Mask=Gray(XYG);  %灰照片掩膜

GP_R(XYG)=Mask;GP_G(XYG)=Mask; GP_B(XYG)=Mask;  % 使得非绿色区域变为灰色

Image_G(:,:,1)=GP_R;Image_G(:,:,2)=GP_G; Image_G(:,:,3)=GP_B;

4. 蓝色提取

Image_B=Image;

BP_R=Image(:,:,1);BP_G=Image(:,:,2);BP_B=Image(:,:,3);

XYB=~((B-R)>diff_B&(B-G)>diff_B); % 提取绿色条件是G分量与R、B分量差值大于设定

Mask_B=Gray(XYB); % 灰照片掩膜

BP_R(XYB)=Mask_B;BP_G(XYB)=Mask_B; BP_B(XYB)=Mask_B;  % 使得非蓝色区域变为灰色

Image_B(:,:,1)=BP_R;Image_B(:,:,2)=BP_G; Image_B(:,:,3)=BP_B;

5. 显示结果

subplot(2,2,1),imshow(Image);title('Image');

subplot(2,2,2),imshow(Image_R);title('Red Pass');

subplot(2,2,3),imshow(Image_G);title('Green Pass');

subplot(2,2,4),imshow(Image_B);title('Blue Pass');

% 显示原图与R/G/B三色提取结果对比图并显示标签

6.  7

保存结果

imwrite(Image_R,'Image_R.jpg','jpeg');

imwrite(Image_G,'Image_G.jpg','jpeg');

imwrite(Image_B,'Image_B.jpg','jpeg');

% 将R/G/B三色提取结果写成jpg文件保存到当前目录

END

原理详解

1.  1

    本文中提到的RGB色彩提取方法最为关键的也最为难以严格界定的地方是对于R/G/B三种颜色的判别规则,本文中提到的判别规则是更具R/G/B中某一颜色分量明显不小于其它分量时,即判别某像素点为某种颜色,并通过设置判别阈值,来控制判别条件的颜色与否。为了保持图片的完整性(即三种色彩提取结果中彩色相加后能得到原图),本例中默认设置阈值为0,为了得到更为单纯的颜色,可适当增大阈值。

    如下图是将R/G/B三色提取阈值设置为0的提取结果:



  • 16
    点赞
  • 145
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
基于MATLAB GUI的K-means算法图像聚类是一种常用的图像处理技术,旨在将图像中的像素点按照相似性进行分组。以下是一个300字的中文回答: K-means算法是一种无监督的机器学习算法,常用于图像聚类任务。MATLAB是一种强大的数学计算软件,提供了图形用户界面(GUI)工具包,使得编写和运行K-means算法更加简单便捷。 要在MATLAB GUI中实现K-means图像聚类,可以按照以下步骤进行: 1. 数据准备:将要处理的图像加载到MATLAB环境中,并将其转换为数字矩阵形式表示。可以使用imread函数读取图像,并用rgb2gray函数将其转换为灰度图像。 2. 初始化:选择要聚类的像素点数量,即确定聚类中心的数量。在GUI中,可以设置一个滑动条或者编辑框来动态调整聚类中心的数量。 3. 初始化聚类中心:使用随机或者其他策略选择初始聚类中心。可以使用randperm函数从图像中随机选取K个像素点作为初始聚类中心。 4. 迭代计算:根据K-means算法的原理,对每个像素点计算其与每个聚类中心的距离,并将其分配到距离最近的聚类中心。然后,根据新的聚类结果重新计算聚类中心。 5. 结果展示:将聚类结果可视化展示出来。可以在GUI中添加一个图像显示框,将不同聚类的像素点用不同颜色标记,形成聚类分割的效果。 在MATLAB GUI中实现K-means图像聚类,可以方便地调整参数和观察结果,提供了更好的交互性和可视化效果。通过这种方式,我们可以更好地理解和分析图像数据,提取出图像中的特定模式和信息。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值