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。
1 X' o0 Z8 i, W- P) B) G* `8 H
原图像
3 d( @; |( S9 T5 s7 R( w0 o/ I" D
6 B7 s  R; H+ h: P​
1 ^5 P* @+ z( C& b0 p; K/ `( v
Matlab提取RGB颜色分量：

0 Q+ M7 Q8 o* N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。
7 c3 C* w3 \: |6 g/ O+ C' `
) ^( a! m! w% u6 y: D) t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。

# \2 A1 E: K+ l' L) z/ z​

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
. \3 A; Y7 X% r1 c: Q
运行代码：
" C7 P1 Y1 r$ K" I/ K5 }* e0 W

• 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');
• 
  # Q) [' o7 V7 k1 C+ I4 s- \6 C, i

  

/ q, T7 ~6 z" T$ H6 M运行的效果图：
+ c8 R$ S9 b3 H
​

RGB阈值分割
" P$ d% v5 K% _8 H) K  n
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 e' w: x# t3 o" X
​

' R/ Z0 [& q* W+ ^" }9 S因此，我们使用图像的阈值分割。

: W* ?0 M1 R6 j7 [4 P6 x# M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。
2 q* o( n4 [# M6 ?' [# D
# }. u+ d% V. P7 _) @9 {5 R& K+ }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。
" s8 ^. u+ @9 `) R9 U& L! g
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。

; }) t' z6 N: ^0 v5 E9 q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');
• 
  $ F6 a1 J. H5 s4 b2 I( o2 f

         
' J3 d' D" s# s% `( D
运行结果图：
% @" y5 B+ ~$ k, h6 ~: l
* l6 X" \3 p7 W4 V+ p​
) O4 O' d9 O0 Y6 `# p" I: k( Z
, `: o4 B* m8 J1 O8 s. o) w图像中去除某一个区域

2 j6 u! {, n& j' b( ], x* j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。）

/ D" i  v2 A* Q- s& Z; J* T: D​
' x! ^1 B8 n/ p6 X- K! Z
" y) l) H" X' @; f4 ^& z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。

6 l$ G$ z5 _- P, i0 F- d# U. A代码实现：
! [! h0 J7 J1 c3 u8 ?* g
3 O% ?  k6 d0 x: x/ j

• 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);
• 
  

  
8 U" A( h1 L2 s$ h8 I% d8 |
运行结果：

5 \1 ]5 l2 V; f& H$ i​

  Y/ I( |5 x1 r/ T) v' J在将其进行图像分割，即可将原来的矩形去除：
1 A) m& }7 W; _5 x  |' @
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