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( c  u" ~3 p7 h1 w* z+ R4 {" H6 p原图像
' {  \& {8 d% Q* [" o+ L& e% M
​

0 \4 P5 A; R4 l) YMatlab提取RGB颜色分量：
. l$ K2 z* ?# o% b" R7 v
4 g+ f- w: X) l. c0 v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。

2 C7 d! e0 f' ?! E% B* u# w例如：我们在Matlab中读入本次测试的图像。I=imread(‘test.bmp’);

* {/ R3 n5 j( a4 ?" O2 [( \  L在工作区中可以看到其数值。
! U/ z5 B5 o  D6 l+ ]1 Y6 d
​
: X" d2 J) {# C8 C# ^/ e
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：

• 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');
• 
  * m$ D6 q* k1 m

  

运行的效果图：
& _' z! e" G' e$ L9 x% X
​
$ k& X$ K. a& y7 X( X
# Q8 q+ u! p/ b  u; P0 G( u  I: vRGB阈值分割
+ y5 b( V3 j+ d
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。
4 S* r/ G4 A- j3 s* V& c
​

& t* z, o4 O2 b1 _因此，我们使用图像的阈值分割。
6 _; o: T9 O) `+ u: @
* z+ o5 F% a  o# A( z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。
- q$ L7 j9 a0 g9 ?5 v
源自参考文档：
2 O6 [. A# n2 S$ |6 O5 u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。
- a: ^; W4 X' z* b5 s( A
1 m  Z! Z, t$ o& q) w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。

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, ]5 ]* H( u! @% k- U
实现代码：

5 ~6 C  o( J$ V' c( R* j1 H% b: r

• 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');
• 
  ( U  V) W& ~9 A

         

运行结果图：
5 h+ @* i* r! n! W' |1 V6 M
​
6 S! n/ r# C1 b5 j3 @! q6 y
- s, _& @% X! L6 \图像中去除某一个区域

( W2 \+ _7 O1 v8 |$ S, ^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! C/ {! Q; a' O# I) @" n4 d
+ I# x: r! k3 D# [0 m# P​
: K. I  V2 c8 I0 E
) n5 Q( Q! Q! [' ~' j4 B解决方法：
5 U  C) x! S, V3 V  N( R
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。

  t7 \( i: {0 n4 w9 t/ z' h代码实现：
* Q7 f( Y) M$ h/ m' v% ]4 A

• 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);
• 
  * L% ?! F, W/ P

  
- W- `. M) k. K8 `: p) Y2 R
运行结果：

( M  u. u9 U3 R. c​

" L& y, }/ |1 I: h0 n. j在将其进行图像分割，即可将原来的矩形去除：

参考文档：
4 Z0 ]8 G7 k; R) ~
, @& w- m* ~* G3 I3 T0 \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