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。

: ]& ]0 h# f: ^+ t- M0 T' F原图像
& c2 _3 ~9 [# I6 P3 ?3 g- _
0 j3 Q7 ?* K; u​
1 Q; ~: [3 G2 v! A' x+ D3 Q8 r
Matlab提取RGB颜色分量：
& R* R5 N. J& [2 Y2 i" C8 \! 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。

, \" n' `5 x1 ~3 s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。
0 D+ D: n+ P1 {7 M  n
" l, @7 k6 g4 T1 A& t0 S5 W0 {​
; t! R. O& ]- ^/ M0 k' W" m% R
& F3 ]9 ~/ p+ N( x$ MPR=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

4 ~* a5 P0 k* X运行代码：
7 z0 `8 y. c# A( u
( \1 i' u# N9 d3 _  n

• 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');
• 
  6 _/ C( M+ e1 |+ s5 L  v

  

2 t6 C" A  U" _8 c3 b. i运行的效果图：
. _: f$ [9 V& o( d( d2 x9 w; n
8 N: |- [& O8 I8 ~  p​
+ l: y2 ~; t- C' r/ z/ v2 `( W7 l
RGB阈值分割
" L7 _3 q0 R7 C) {- w  V& e
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。
2 G/ J/ W1 `/ z7 A0 a3 X: b( z
! |( k" b& k- q​
$ {2 v; U$ ]1 y$ |1 y/ d; \, G
2 s+ U: g0 W6 }7 m4 ~因此，我们使用图像的阈值分割。
$ g9 x/ @' g# J1 S
' I; |" q2 z: [6 A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。
" o- i$ U3 I2 [8 N9 t( |3 }# [" _
源自参考文档：
+ P7 j3 J$ C" h; g8 u  @, g& V$ S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。
+ B9 y9 n' C1 |6 @1 k- {
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。
  I+ a6 V' n" J* s
; E5 X* c  G$ s6 R; t0 e/ s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。
7 A+ A- n+ ?5 X  C2 K6 g
6 g) ~% J/ D; ?% X- t3 o4 x实现代码：
9 a6 h3 M9 S/ M* h! X
' n" k$ D  s# D, e6 J* Z' G$ J

• 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');
• 
  ) R2 L4 h9 I6 P7 K! A: d

         
' g/ O0 u$ _" e# G
" h7 B% _2 ?: N& e/ _  D1 `运行结果图：
0 i* T* c) j- m+ q0 C
4 V6 Z1 T! R6 d​

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。）

​

. P+ s  L$ g0 s1 q, G* M* M% v解决方法：
' x. b/ ?+ o% a6 W& u
- ?& U( a. |* j! t  P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。
. j9 Y( q3 k7 Q4 y
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);
• 
  

  
3 b* G, d2 J" q) a8 R  k
运行结果：

​
4 v3 u: _0 d% f0 O
; N) Y: r& V0 |7 E6 {在将其进行图像分割，即可将原来的矩形去除：
, J" ?7 w$ G( T, O  M: N
参考文档：

RGB图像中特定颜色的提取

xixihahaheihei

用Matlab提取图像的RGB分量与实现RGB的阈值分割