怎样用Matlab提取图像的RGB分量与实现RGB的阈值分割

thinkfunny

1 j* W8 g/ B( c  R, j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。
4 H6 ^' V( U- a9 {4 J' J
1 _* y' d- R+ m原图像

​

& |- L6 t+ \8 b+ f1 F4 O* SMatlab提取RGB颜色分量：
6 ]4 B. W! J( j
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’);
8 O- P, l# m, [, t9 w) l
在工作区中可以看到其数值。
. T9 O8 Q+ v8 @3 k1 m
​

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

/ o0 Z; ]+ J- a6 K运行代码：
; O  u* q, G% S$ u) `

• 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：
, C3 j. w* P1 f( F& D
​
1 j; }/ D$ k! l- t8 U1 K
RGB阈值分割
/ g+ F0 x! ~! h: M7 |$ W
1 D' t3 H, o/ q% b8 O3 l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。
& H* Y. x$ r# u- |! q
) f$ e. e6 \) p5 S​
- E# W: R6 |6 W. d; N+ Q
( x( ?7 ^. `2 D8 p  a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。

( Y) }9 g6 ^+ e! V  r; J$ F, y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。

- f+ J$ z( `( s. V& z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。
8 i5 w' p& v- j& m9 a! B! s2 |
! C- r9 m8 `' `0 a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');
• 
  + g4 p% T" O: X0 ~

         
5 N1 x8 s7 C# u
运行结果图：

; _, i; d; v) B$ c7 N6 Y! {+ F! G2 Z4 Z​

% R5 [* j, W( v+ N! I  K+ i图像中去除某一个区域
0 \% E" f  Q2 s  a% M8 i
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。）
& R$ _5 u# \) T6 [! ?! @
/ W2 m& [. h+ l9 m& z" e6 P​
5 H/ Y8 ?" t! p( Z+ x+ u
解决方法：
% X- n! M; }8 L# @$ O
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。
& R$ l- V3 }9 M
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);
• 
  

  
* }2 X- v$ _, ~/ N0 h, K
2 M% x- K6 \& j" m5 k; N运行结果：

​

! q: ]. h8 {( z* @& r0 T# J5 Z2 J( G在将其进行图像分割，即可将原来的矩形去除：

- Z& G2 _. f5 _& u, y1 C- N参考文档：

RGB图像中特定颜色的提取
: w3 A- o- E! H0 C

xixihahaheihei

用Matlab提取图像的RGB分量与实现RGB的阈值分割