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。

原图像
) L0 s3 f5 d- [: w1 ?5 U. l
​

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。
( ~, D; W! w+ Y
. L& Y7 n" O' ^1 K8 w: \* S* E例如：我们在Matlab中读入本次测试的图像。I=imread(‘test.bmp’);
- |, r6 U7 r# C( W$ ~
0 H. E# b1 f2 ^; h0 N在工作区中可以看到其数值。
5 \4 ^4 D' r, ?# C% T
​

8 S% ?! Q' a. x$ d1 ?' W. F. sPR=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');
• 
  

  
: C1 ?. \) c, F& l$ p
* E# Y* {% G6 L运行的效果图：
0 B4 V& K- ^7 ?4 Z6 E6 T
1 d; ~9 D, f) r9 r​

' m3 W4 F7 J7 U# t5 lRGB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。

​

$ J9 N* w9 T/ _. U3 ~9 u因此，我们使用图像的阈值分割。
. ^5 n$ ?4 Q0 H1 Z. M8 `1 n& T
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：
8 T$ w5 F9 p: @# A3 Z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。

6 x9 J; T6 F# Q  M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。

& b- q, x# ?8 d+ A, y6 |- _实现代码：
+ Q6 v( u- J4 u4 p( X- [9 ]

• 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');
• 
    ^. p9 \' E  k9 V

         
% g9 a2 b( [7 s) F( N  n$ M& H1 [
/ I& Z/ J7 O( v- Z* X6 e3 R2 X2 s运行结果图：

8 c2 S) N7 q, ]​

5 k: q: M5 o- @4 a" H7 c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。）
4 A' K7 ^$ e/ C1 o4 i
4 _) K7 o. G1 _6 ^" z0 ~​
  k& G* Z& B5 A
4 I& ?( z1 L/ Y( k$ `$ w解决方法：
  F+ }/ B% O0 }3 r7 n
" R4 E& b' ]2 v4 l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。
0 ^) M  T' Z8 ]: ]6 d5 A& l' m: d
8 \# R4 b8 Q. D# v+ Z4 I代码实现：
# x2 g5 m- L. Z$ j) [, J9 Y( a0 T

• 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);
• 
  & Q, W, [; B8 w0 H; U

  

; i6 K" z+ E- T+ o运行结果：

8 E- H. v) _" f' x​
9 B0 P1 ]1 j) J5 E4 u4 o* ~& Q
在将其进行图像分割，即可将原来的矩形去除：
# F! K" R+ v5 ], O
( g* {1 G4 j' p( A, _参考文档：
1 Z6 v* e3 ^, Y' G
1 X9 }" ?2 }. Y1 @' z2 I  J5 ]$ Z2 |RGB图像中特定颜色的提取

2 H( _1 `; I$ B: U3 v6 p& o; ^

xixihahaheihei

用Matlab提取图像的RGB分量与实现RGB的阈值分割