本教程讲解如何将一副RGB图像,提取出图像的R,G,B分量的图像。如何将图像进行颜色的阈值分割。
原图像
Matlab提取RGB颜色分量:
我们知道,一张RGB图像,对应着一个M x N x 3 的三维图像。这里的3代表着R,G,B三个分量。其数据类型为uint8类型。数值大小在[0,255]之间。
例如:我们在Matlab中读入本次测试的图像。I=imread(‘test.bmp’);
在工作区中可以看到其数值。
PR=I(:,:,1);%提取红色分量 PG=I(:,:,2);%提取绿色分量 PB=I(:,:,3);%提取蓝色分量
运行代码:
clc;
close all;
clear all;
I=imread('test.bmp');%要求你.m文件下有test.bmp这个图像文件
PR=I(:,:,1);%提取红色分量
PG=I(:,:,2);%提取绿色分量
PB=I(:,:,3);%提取蓝色分量
figure;
subplot(2,2,1);imshow(I);title('原图像');
subplot(2,2,2);imshow(PR);title('提取红分量后');
subplot(2,2,3);imshow(PG);title('提取绿色分量后');
subplot(2,2,4);imshow(PB);title('提取蓝色分量后');
运行的效果图:
RGB阈值分割
上面这种RGB通道分量的提取的效果,并不是我想要的结果。我想要的结果是下图这样的。
因此,我们使用图像的阈值分割。
阈值分割的基本思想是确定一个阈值,然后把每个像素点的灰度值和阈 值相比较,根据比较的结果把该像素划分为两类——前景或背景。
源自参考文档:
图像阈值化分割是一种传统的最常用的图像分割方法,因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量,而且也大大简化了分析和处理步骤,因此在很多情况下,是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度级,对像素集合进行一个划分,得到的每个子集形成一个与现实景物相对应的区域,各个区域内部具有一致的属性,而相邻区域布局有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。
基本原理是:通过设定不同的特征阈值,把图像象素点分为若干类。
常用的特征包括:直接来自原始图像的灰度或彩色特征;由原始灰度或彩色值变换得到的特征。
实现代码:
clc;
close all;
clear all;
I=imread('test.bmp');
[m,n,d]=size(I);
level=15;%设置阈值
level2=70;%设置阈值
for i=1:m
for j=1:n
if((I(i,j,1)-I(i,j,2)>level2)&&(I(i,j,1)-I(i,j,3)>level2))
r(i,j,1)=I(i,j,1);
r(i,j,2)=I(i,j,2);
r(i,j,3)=I(i,j,3);
else
r(i,j,1)=255;
r(i,j,2)=255;
r(i,j,3)=255;
end
end
end
figure;
subplot(2,2,1);imshow(I);title('原图像');
subplot(2,2,2);imshow(r);title('提取红分量后');%显示提取红分量后的图
%提取绿分量,不满足阈值的变为白色
for i=1:m
for j=1:n
if((I(i,j,2)-I(i,j,1)>level)&&(I(i,j,2)-I(i,j,3)>level))
g(i,j,1)=I(i,j,1);
g(i,j,2)=I(i,j,2);
g(i,j,3)=I(i,j,3);
else
g(i,j,1)=255;
g(i,j,2)=255;
g(i,j,3)=255;
end
end
end
subplot(2,2,3);imshow(g);title('提取绿分量后');
%提取蓝色分量
for i=1:m
for j=1:n
if((I(i,j,3)-I(i,j,1)>level)&&(I(i,j,3)-I(i,j,2)>level))
b(i,j,1)=I(i,j,1);
b(i,j,2)=I(i,j,2);
b(i,j,3)=I(i,j,3);
else
b(i,j,1)=255;
b(i,j,2)=255;
b(i,j,3)=255;
end
end
end
subplot(2,2,4);imshow(b);title('提取蓝色分量后');
运行结果图:
图像中去除某一个区域
比如,我想去除红色分量的矩形。但是这两个红色分量数值非常的相近,不好通过阈值来分割。那我们要如何将红色矩形去除呢?(本篇文章使用最简单的去除方法,下一篇文章则会讲解如何使用形状识别来提取某个图形。)
解决方法:
这里解决方法很简单,先将原图像,那一块区域赋值成白色,再通过阈值分割就可以将其区分开。
代码实现:
copy_image = I;
r = 50:100;%要赋值的行坐标
c = 20:300;%要赋值的列坐标
copy_image(r,c,1:3) = 255;
figure;
imshow(copy_image);
运行结果:
在将其进行图像分割,即可将原来的矩形去除:
参考文档: