Image MATLAB:RGB到黑白图像

我有一个图像是

160x64x3

。此图像具有灰点和其他颜色。我想要的是将灰色部分转换为0，将其他部分转换为1

下图：

我所做的如下，但我认为这是不确定的，因为可能有一些点是相同的所有红色，绿色和蓝色。这个有特殊功能吗

~((image(:,:,1)==image(:,:,2))&(image(:,:,1)==image(:,:,3))&(image(:,:,2)==image(:,:,3))) 

---

我不知道任何特殊函数，但解决方案非常简单：

I = imread('sLUp2.png'); %Read source image.

%Initialize all destination pixels to 1
J = ones(size(I,1), size(I,2));

%Set to zero pixels which are gray in I (where Red==Green and Red==Blue).
J((I(:,:,1) == I(:,:,2)) & (I(:,:,1) == I(:,:,3))) = 0;

在上述解决方案中，R=G=B的所有源灰度像素均视为灰色。
例如：黑色像素：（0,0,0）、白色像素（255255）和（x，x，x）被视为灰色

---

如果您只想找到单个公共灰度级（而不是所有“灰度”像素），您可以按如下操作：

R = I(:, :, 1); %Red color plane.
Gray = R((I(:,:,1) == I(:,:,2)) & (I(:,:,1) == I(:,:,3))); %All values in which R=G=B.
H = imhist(Gray, 256); %Collect histogram of Gray.
common_gray = find(H == max(H)) - 1; %Find the most common gray value in histogram.

%Now, set only common_gray pixels to zero in destination image J.
J = ones(size(I,1), size(I,2));
J(R == common_gray) = 0;

在您的图像中，公共灰度（“灰度点”）等于128

---

我不知道任何特殊功能，但解决方案非常简单：

I = imread('sLUp2.png'); %Read source image.

%Initialize all destination pixels to 1
J = ones(size(I,1), size(I,2));

%Set to zero pixels which are gray in I (where Red==Green and Red==Blue).
J((I(:,:,1) == I(:,:,2)) & (I(:,:,1) == I(:,:,3))) = 0;

在上述解决方案中，R=G=B的所有源灰度像素均视为灰色。
例如：黑色像素：（0,0,0）、白色像素（255255）和（x，x，x）被视为灰色

---

如果您只想找到单个公共灰度级（而不是所有“灰度”像素），您可以按如下操作：

R = I(:, :, 1); %Red color plane.
Gray = R((I(:,:,1) == I(:,:,2)) & (I(:,:,1) == I(:,:,3))); %All values in which R=G=B.
H = imhist(Gray, 256); %Collect histogram of Gray.
common_gray = find(H == max(H)) - 1; %Find the most common gray value in histogram.

%Now, set only common_gray pixels to zero in destination image J.
J = ones(size(I,1), size(I,2));
J(R == common_gray) = 0;

在您的图像中，公共灰度（“灰度点”）等于128

---

难道你不能找出灰度的强度值，然后将其设置为0，其余的设置为1吗？当然你只需要取饱和度（对于灰度像素，饱和度为0）将其阈值设置为零，这将使所有非灰色变为白色。难道你不能找出灰色的强度值并将其设置为0，其余设置为1吗？当然，你只需将饱和度（灰色像素为零）设置为零，并将其阈值设置为零，这将使所有非灰色变为白色。没有明确说明，但灰色的“面具”不太可能不为人所知。因此，大概解决方案就像过滤精确的rgb元组一样简单。另外，值得指出的是，顶部的解决方案还将包括“黑色”和灰度点，给出示例图像似乎并不是有意的。这并不是一个完美的解决方案。请看以下示例：并将其与原始图像进行比较：@Sardar_Usama您可能是对的。我猜Toygan想要的是第二种解决方案，其中（0,0,0）和（255255255）不被认为是灰色的。我认为这最初也是OP的问题，似乎在编辑的解决方案中得到了解决。它没有明确说明，但灰色的“遮罩”不太可能是未知的。因此，大概解决方案就像过滤精确的rgb元组一样简单。另外，值得指出的是，顶部的解决方案还将包括“黑色”和灰度点，给出示例图像似乎并不是有意的。这并不是一个完美的解决方案。请看以下示例：并将其与原始图像进行比较：@Sardar_Usama您可能是对的。我猜Toygan想要的是第二个解决方案，其中（0,0,0）和（255255）不被认为是灰色的。我认为这最初也是OP关注的问题，似乎在编辑的解决方案中得到了解决。