Image 如何过滤RGB图像并转换为BW图像

我一直在努力做到这一点：

->（您可以忽略红线，我只是添加它们来说明最终目标）

所以，我在第一种情况下所做的是：使用MatLab，我转换rgb->hsv，并拾取s通道（也称为饱和）。然后我使用大津（在matlab中称为灰度阈值）进行二值化并转换成黑白图片。一切都很顺利

现在，在第二种情况下，这不太管用：

基本img（）->S通道（）->Otsu（）

---

如您所见，大津滤波器在这种情况下变得无用。我应该采取什么变通办法或其他方式？提前谢谢

您可以使用k-means执行图像量化。所以你知道你必须以这样一种方式对图像进行二值化：黄色阴影变为白色，其他一切变为黑色。因此，将图像分成适当数量的簇（4个可能有效）。2个用于黄色阴影，2个用于其他阴影。不要忘记预定义初始质心。在此之后，您可以说，标记为黄色质心的像素被重新标记为一个。这可能有用

k-均值颜色量化过程的细节： 1.首先在

nx3

矩阵中收集图像中的所有像素。然后使用k-means将

nx3

矩阵划分为3或4个簇。 2.在将其划分为4个簇之前，预先定义质心。您可以通过阅读MatlabKmeans算法的文档来实现这一点。必须设置的参数是kmeans的“选项”字段中的“开始”。 3.因此，黄色（以及其他“接近”它的颜色）应该属于预定义的簇。（因此，如果为黄色定义了簇1和簇2，则应将所有黄色像素标记为1或2。其他像素将标记为3或4。） 4.现在，将图像转换为二进制图像，使落入黄色簇（即本例中的簇1和簇2）的像素为1，其他像素为0

有关预定义群集的更多详细信息： 从kmeans文档： 起始质心可以在

kmeans

的

start

参数中定义为质心起始位置的

k-by-p

矩阵。在您的情况下，它将是黄色的

RGB

值。查看图像中黄色的几个像素值。如果它们有太多的偏差，那么为它们定义两个集群，否则定义一个集群。如果定义两个，则

start

参数将具有

2x3

矩阵。您应该始终记住，质心中的列数将等于数据中的列数

---

我希望这能在更高的层次上明确这一过程。如果您有任何错误，请发布您的代码。

谢谢，但我不知道如何做到这一点，我当然尝试过谷歌搜索，但没有找到实现您具体所说内容的方法。你能给我提供一个链接来举例说明静脉中的某些东西吗？我使用的是Matlab，但实际上我不喜欢使用哪种程序语言。非常感谢提供更详细的信息，Parag。说真的，这意味着很多！我还是有一些问题。我完全理解你的意思，我必须使用“开始”并将1和2个簇定义为表示黄色的矩阵。我的问题是，如何将黄色表示为矩阵？以下是我到目前为止的进展：

img=imread（'E:\Mazealgorithm\MazesToConvert\2.jpg'，'jpg'）；flatImg=双（重塑（img，尺寸（img，1）*尺寸（img，2），尺寸（img，3））；idx=kmeans（Flatimg4）；imagesc（重塑（idx，大小（img，1），大小（img，2））附言：我应该在这里回答吗？谢谢你持续的详细解释，我想我现在明白了，我
已经用k-means做了一段时间的测试，结果真的非常令人惊讶：让我给你看一个例子：[link](http://prntscr.com/uopsb)这是我使用两个起始质心得到的：[132 117 86]和[155144112]（均为黄色）
idx=kmeans（flatImg，2，'start'，[132 117 86；155144112；]）`（以下是我的代码以供比较）。我以为k-means应该把黄色和其他颜色“分开”，这个蓝色从哪里来？如果你分成两组，其他颜色会去哪里？你应该分成两个以上的簇，比如说4个。或者分为两类，一类为黄色，另一类为橙色。另外，您确定初始质心选择是好的吗？你可以将颜色可视化。其中一个是使用mmg的方法：ColorNegate[Closing[Opening[Binarize[s，method->“Median”]，1]，2]]另一个我发现的方法是使用双线性过滤器，然后使用Otsu，效果很好。看看直方图，试试更简单的方法，比如直方图的平均值或中值（提示：它们在这里都很好用）.这个问题的问题是它依赖太多的外部内容。你可以通过在问题中加入谷歌短链接指向的内容来解决这个问题。如果您不知道如何在帖子中包含图像，请参阅此帮助文章：谢谢。