| 基于Matlab的图像RGB色彩均值计算 | 您所在的位置：网站首页 › MATLAB转换为灰度图像 › 基于Matlab的图像RGB色彩均值计算 |
基于Matlab的图像RGB色彩均值计算
|
基于Matlab的图像RGB色彩均值计算
代码如下： %% 读取图像 clc,clear,close all; pic = imread('vege2.jpg'); figure; subplot(2,2,1),imshow(pic),title('原图'); %显示原图 [rows, cols, colors] = size(pic); pic_gray = zeros(rows, cols); pic_gray = uint8(pic_gray); for i = 1:rows for j = 1:cols I(i, j) = pic(i, j, 1)*0.30 + pic(i, j, 2)*0.59 + pic(i, j, 3)*0.11; end end subplot(2,2,2),imshow(I),title('平均值灰度化'); %% 检测整个叶片 [~,threshold] = edge(I,'sobel'); fudgeFactor = 0.7; BWs = edge(I,'sobel',threshold * fudgeFactor); subplot(2,2,3),imshow(BWs),title('二元梯度掩膜');%显示生成的二元梯度掩膜 %% 膨胀图像 se90 = strel('line',3,90); se0 = strel('line',3,0); BWsdil = imdilate(BWs,[se90 se0]); subplot(2,2,4),imshow(BWsdil),title('膨胀梯度掩膜') %% 填补内部空隙 BWdfill = imfill(BWsdil,'holes'); figure; subplot(2,2,1),imshow(BWdfill),title('填充后的图像'); %% 删除边界上的连通对象 BWnobord = imclearborder(BWdfill,4); subplot(2,2,2),imshow(BWnobord),title('删除边界连通对象'); %% 平滑处理对象 seD = strel('diamond',1); BWfinal = imerode(BWnobord,seD); BWfinal = imerode(BWfinal,seD); subplot(2,2,3),imshow(BWfinal) title('平滑后的图像'); %% 求RGB均值 S = sum(sum(BWfinal == 1));%分母 target = find(BWfinal == 0);%确定目标区域 R = pic(:,:,1); G = pic(:,:,2); B = pic(:,:,3); R(target) = 0; G(target) = 0; B(target) = 0; SR = sum(sum(R)); SG = sum(sum(G)); SB = sum(sum(B)); AR = SR/S; AG = SG/S; AB = SB/S;其中aR,aG,aB分别为图像的R,G,B均值。 运行结果如下： 这里可以看到求出来的色彩均值分别是124，122和76. 整个求解过程中最核心的部分就是将所求的图像与背景进行分离，可以看到，从分离图像的代码占据了总代码量的2/3.这里所使用的图像分割技术来源于MathWorks的帮助文档。这里我想重点分享的是完成分离后如何计算图像的RGB色彩分量（请不要嫌我太啰嗦……） S = sum(sum(BWfinal == 1));%分母 target = find(BWfinal == 0);%确定目标区域 R = pic(:,:,1); G = pic(:,:,2); B = pic(:,:,3); R(target) = 0; G(target) = 0; B(target) = 0;让我们回到代码上，上述代码所完成的最重要的功能就是将目标区域，也就是图片中叶子的部分和背景进行了二值化的区分，其实质也是在对图像进行分割（所以我才会说“整个求解过程中最核心的部分就是将所求的图像与背景进行分离”）。
从图片中我们可以看到，BWfinal此时已经变成了一张logical图，其中叶子部分是白色的（数值1），背景部分是黑色的（数值0），而我们需要做的仅仅是将logical图中的1，映射到原始图片中的RGB通道即可。 S = sum(sum(BWfinal == 1));就是在求logical图中有多少个1. target = find(BWfinal == 0);target所找的就是背景所在的像素位置 R(target) = 0; G(target) = 0; B(target) = 0;这里将背景置为0，然后就可以安心、大胆的计算剩余像素值的和，反正除了我们需要的像素就是0，对计算结果没有影响。 SR = sum(sum(R)); SG = sum(sum(G)); SB = sum(sum(B)); AR = SR/S; AG = SG/S; AB = SB/S;这里就是按照求平均值的公式进行最后的计算了。 这是新手的第一篇Blog，如有纰漏还请各路大神不吝赐教！ |
实验所用的图片： 
【本文地址】
公司简介
联系我们