怎样用Matlab提取图像的RGB分量与实现RGB的阈值分割

thinkfunny

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。
$ K# @  h! G4 }- e1 u* w
, v  L; ?# X6 j原图像

( h' I: U7 Q$ B  M( }​
/ b) G4 [. t( B" d; w& r
Matlab提取RGB颜色分量：
6 N) L% r5 x9 b: \' l8 F
. z: ]1 a" q7 D, Q: R% F9 n. m* ^4 c5 `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。

+ q) u% t1 v! ^: Q例如：我们在Matlab中读入本次测试的图像。I=imread(‘test.bmp’);
7 ^# }/ V! ?: P  F( w
( }' K4 N: ?1 |0 t- `6 d在工作区中可以看到其数值。
& S" c6 f0 O  Y1 {) J
​

4 R  U: I- @3 ]# ?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：
$ s3 H9 t7 V) {5 V: W, E

• 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');
• 
  ' O' f3 O+ k7 S

  

运行的效果图：

​

) U4 D3 Q1 [$ c/ a6 t% q7 @RGB阈值分割

& H' p' ~# h* T" Z! k  g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。

0 L  P, x0 F, s: [! {3 `  L​
8 b" c* V. Q' ?
因此，我们使用图像的阈值分割。

2 t, d2 _1 @3 s3 Q# {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。
( s2 S! O" j) ]3 c% A, }6 r
5 j* U8 s6 L9 |# D3 y源自参考文档：
7 _" Z5 w$ W5 Y  O$ ?1 r% u3 H1 m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。
5 h2 M5 i- [' r3 r0 N5 @
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。
2 Y. W# J" S: y9 _% c3 w2 f# i
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。
/ a/ Y0 ^/ V: ]" n- c
+ {5 y5 g# y+ X实现代码：

% a0 q  n, A2 t

• 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');
• 
  ! W, b- p, J) f- ^3 C  R0 M

         

运行结果图：
1 T6 o; K# `! F0 o
) O/ K# ~! E8 V" [2 [3 T+ p" Z​

图像中去除某一个区域
0 z% L- X4 @. i0 _/ T6 o0 S5 k4 O
, X, q# l+ u7 h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。）

​
* x3 [: Z5 v& ^
4 u* F$ k- y: K2 F. y. T) G- j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。
( G, f' b! x$ M6 _
代码实现：
5 A1 y( g4 C( e2 ^' S
6 r# p  U  {- b6 f: l+ C

• 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);
• 
  

  
+ h# x# ^5 x( W) S2 t
* a: j8 m( B! P4 z, M; r6 \运行结果：
3 \( _$ E& T7 G9 \/ a; R% h
​

5 O8 V5 S/ X! p  s在将其进行图像分割，即可将原来的矩形去除：

参考文档：
# S$ {! I; c4 S6 }: |6 [- S: S
RGB图像中特定颜色的提取
& `) U( o5 @0 T7 e- q

xixihahaheihei

用Matlab提取图像的RGB分量与实现RGB的阈值分割