【无标题】

最新推荐文章于 2024-11-05 21:32:52 发布

Drybanana

最新推荐文章于 2024-11-05 21:32:52 发布

阅读量146

点赞数

文章标签：图像处理 python 算法

本文链接：https://blog.csdn.net/Tures_eager/article/details/123606200

版权

该博客介绍了一种基于RGB颜色的图像分割方法。通过选取感兴趣区域的像素点平均颜色，计算与该平均颜色的欧氏距离，设定阈值来判断像素点是否属于感兴趣区域。代码示例展示了如何应用该方法在'flower.jpg'图像上，实现颜色分割并展示分割结果。

摘要由CSDN通过智能技术生成

RGB颜色分割

对感兴趣区域图像分割出来，操作为选取可以代表感兴趣图像的像素点组成样本集合，通过样本集对待分割的颜色的“平均”进行估计。用向量a表示平均颜色，向量z表示RGB空间中的任一像素点的颜色特征（像素点的RGB这三个分量的值组成的向量）

若z与a的欧氏距离小于给定的阈值，则认为z与a相似。

from skimage import data, io
from matplotlib import pyplot as plt
import numpy as np
import math

image = io.imread('flower.jpg')
r = image[:, :, 0]
g = image[:, :, 1]
b = image[:, :, 2]

r1 = r[128:255, 85:169]
r1_u = np.mean(r1)
r1_d = 0.0

for i in range(r1.shape[0]):
    for j in range(r1.shape[1]):
        r1_d = r1_d + (r1[i, j] - r1_u) * (r1[i, j] - r1_u)

r1_d = math.sqrt(r1_d / r1.shape[0] / r1.shape[1])
r2 = np.zeros(r.shape, dtype='uint8')

for i in range(r.shape[0]):
    for j in range(r.shape[1]):
        if (r1_u - 1.25 * r1_d) <= r[i, j] <= (r1_u + 1.25 * r1_d):
            r2[i, j] = 1

image2 = np.zeros(image.shape, dtype='uint8')
for i in range(r.shape[0]):
    for j in range(r.shape[1]):
        if r2[i, j] == 1:
            image2[i, j, :] = image[i, j, :]

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

plt.figure()

plt.subplot(231)
plt.axis('off')
plt.imshow(image)
plt.title('原始')

plt.subplot(232)
plt.axis('off')
plt.imshow(r, cmap='gray')
plt.title('R')

plt.subplot(233)
plt.axis('off')
plt.imshow(g, cmap='gray')
plt.title('G')


plt.subplot(234)
plt.axis('off')
plt.imshow(b, cmap='gray')
plt.title('B')

plt.subplot(235)
plt.axis('off')
plt.imshow(r2, cmap='gray')
plt.title('变化后')

plt.subplot(236)
plt.axis('off')
plt.imshow(image2)

plt.show()

#计算样本点红色的标准差

r1_d = 0.0

for i in range(r1.shape[0]):
    for j in range(r1.shape[1]):
        r1_d = r1_d + (r1[i, j] - r1_u) * (r1[i, j] - r1_u)

#寻找符合条件的点，r2为红色分割图像

r2 = np.zeros(r.shape, dtype='uint8')

for i in range(r.shape[0]):
    for j in range(r.shape[1]):
        if (r1_u - 1.25 * r1_d) <= r[i, j] <= (r1_u + 1.25 * r1_d):
            r2[i, j] = 1