matlab 数字图像处理教程,数字图像处理教程(matlab版)精编版.ppt

9.5.2 RGB彩色空间分割(Segmentation in RGB Color Space) 虽然在HSI空间彩色图像较直观。 通常用RGB彩色向量进行分割。 方法： 假设目标是在RGB图像中分割特殊彩色区域的物体,给定一个感兴趣彩色的有代表性的彩色点样品集，可得到一个彩色“平均”估计，这种彩色是我们希望分割的彩色。 令这个平均彩色用RGB向量a来表示。 分割的目标是对给定图像中每一个RGB像素进行分类。这就需要一个相似性度量。 令z代表RGB空间中的任意一点，如果它们之间的距离小于特定的阈值D0，我们就说z与a是相似的。 最简单的度量之一是欧氏距离， z和a之间的距离可以是欧氏距离，如： 9.5.2 RGB彩色空间分割(Segmentation in RGB Color Space) z和a之间的距离 9.5.2 RGB彩色空间分割(Segmentation in RGB Color Space) 对一幅RGB彩色图像，选择要分割的区域，计算该区域中的彩色点的平均向量a。 盒子的中点在a，它的尺度沿每一个RGB轴以沿相应轴的数据标准差的1.25倍选择。 例如，令?R代表样点红分量的标准偏差，aR代表平均向量a的红分量： (aR-1.25?R，aR+1.25?R)， 这里在整个彩色图像中编码每一点的结果为：如果点位于盒子表面或内部为白色，否则为黑色。 9.5.2 RGB彩色空间分割(Segmentation in RGB Color Space) rgb=imread('flower608.jpg'); rgb1=im2double(rgb); r=rgb1(:,:,1); g=rgb1(:,:,2); b=rgb1(:,:,3); r1=r(129:256,86:170); r1_u=mean(mean(r1(:))); [m,n]=size(r1); sd1=0.0; for i=1:m for j=1:n sd1=sd1+(r1(i,j)-r1_u)*(r1(i,j)-r1_u); end end r1_d=sqrt(sd1/(m*n)); r2=zeros(size(rgb1,1),size(rgb1,2)); ind=find((r>r1_u-1.25*r1_d)&(r