Fatal编程技术网
  • image/
  • Image 如何使用此命令从图像中选择特定颜色？

Image 如何使用此命令从图像中选择特定颜色？

image matlab image-processing

Image 如何使用此命令从图像中选择特定颜色？,image,matlab,image-processing,image-segmentation,Image,Matlab,Image Processing,Image Segmentation,我得到了一张图片，图片中的单词被正确分割并用不同的颜色表示 图为： 我被告知，即使没有源文件，我也可以从图像中选择特定的单词/颜色，并将其保存以供进一步处理。这可以通过创建一个新图像来实现，v，这样 v=r+g*256+b*256*256+1 其中r、g和b分别为红色、蓝色和绿色通道 我试图使用它，但它创建的只是一个白色的空白图像 img = imread('color_test.bmp'); r = img(:,:,1); g = img(:,:,2); b = img(:,:,3);

我得到了一张图片，图片中的单词被正确分割并用不同的颜色表示

图为：

我被告知，即使没有源文件，我也可以从图像中选择特定的单词/颜色，并将其保存以供进一步处理。这可以通过创建一个新图像来实现，
v
，这样

v=r+g*256+b*256*256+1
其中r、g和b分别为红色、蓝色和绿色通道

我试图使用它，但它创建的只是一个白色的空白图像

img = imread('color_test.bmp');
r = img(:,:,1);
g = img(:,:,2);
b = img(:,:,3);

v=r+g*256+b*256*256+1;
我不明白上面的v图像如何允许我选择单个颜色？

您应用于创建向量的变换
v
只是为所有可能的RGB颜色值创建唯一数值的一种方法。要了解这是如何工作的，请想象一个简化的RGB系统，其中每种颜色的值限制在0到9之间。此外，我们将255替换为10，从而简化了您的转换：

 v = r + g*10 + b*100
现在很容易看出，
（1） 
v
始终介于0和999之间 （2） 所有红色值均在以下位置编码
（3） 所有绿色值均以十位编码
（4） 所有蓝色的颜色值都以百为单位进行编码

因此，不同的颜色总是会在
v
中产生不同的值

假设您的图像包含不同的颜色。然后，矩阵
v
将只包含
n
唯一值（即，每种颜色一个），可使用命令
unique

 colorValues = unique(v);
如果您现在想要识别图像中与特定颜色相对应的所有区域，例如，向量
colorValues
中的第一个值，您只需使用

v == colorValues(1)
这将为您提供包含指定颜色的所有单元格中的颜色

如果要根据颜色将图像分割为多个图像，可以使用

newImg = zeros(size(img)); 
newImg(repmat(v == colorValues(1), [1 1 3]) = 255;
现在
newImg
应该只包含与
colorValues（1）
中的颜色匹配的所有内容

要寻找不同的颜色，只需使用不同的索引，例如

 newImg(repmat(v == colorValues(2), [1 1 3]) = 255
用于创建向量
v
的变换只是为所有可能的RGB颜色值创建唯一数值的一种方法。要了解这是如何工作的，请想象一个简化的RGB系统，其中每种颜色的值限制在0到9之间。此外，我们将255替换为10，从而简化了您的转换：

 v = r + g*10 + b*100
现在很容易看出，
（1） 
v
始终介于0和999之间 （2） 所有红色值均在以下位置编码
（3） 所有绿色值均以十位编码
（4） 所有蓝色的颜色值都以百为单位进行编码

因此，不同的颜色总是会在
v
中产生不同的值

假设您的图像包含不同的颜色。然后，矩阵
v
将只包含
n
唯一值（即，每种颜色一个），可使用命令
unique

 colorValues = unique(v);
如果您现在想要识别图像中与特定颜色相对应的所有区域，例如，向量
colorValues
中的第一个值，您只需使用

v == colorValues(1)
这将为您提供包含指定颜色的所有单元格中的颜色

如果要根据颜色将图像分割为多个图像，可以使用

newImg = zeros(size(img)); 
newImg(repmat(v == colorValues(1), [1 1 3]) = 255;
现在
newImg
应该只包含与
colorValues（1）
中的颜色匹配的所有内容

要寻找不同的颜色，只需使用不同的索引，例如

 newImg(repmat(v == colorValues(2), [1 1 3]) = 255
用于创建向量
v
的变换只是为所有可能的RGB颜色值创建唯一数值的一种方法。要了解这是如何工作的，请想象一个简化的RGB系统，其中每种颜色的值限制在0到9之间。此外，我们将255替换为10，从而简化了您的转换：

 v = r + g*10 + b*100
现在很容易看出，
（1） 
v
始终介于0和999之间 （2） 所有红色值均在以下位置编码
（3） 所有绿色值均以十位编码
（4） 所有蓝色的颜色值都以百为单位进行编码

因此，不同的颜色总是会在
v
中产生不同的值

假设您的图像包含不同的颜色。然后，矩阵
v
将只包含
n
唯一值（即，每种颜色一个），可使用命令
unique

 colorValues = unique(v);
如果您现在想要识别图像中与特定颜色相对应的所有区域，例如，向量
colorValues
中的第一个值，您只需使用

v == colorValues(1)
这将为您提供包含指定颜色的所有单元格中的颜色

如果要根据颜色将图像分割为多个图像，可以使用

newImg = zeros(size(img)); 
newImg(repmat(v == colorValues(1), [1 1 3]) = 255;
现在
newImg
应该只包含与
colorValues（1）
中的颜色匹配的所有内容

要寻找不同的颜色，只需使用不同的索引，例如

 newImg(repmat(v == colorValues(2), [1 1 3]) = 255
用于创建向量
v
的变换只是为所有可能的RGB颜色值创建唯一数值的一种方法。要了解这是如何工作的，请想象一个简化的RGB系统，其中每种颜色的值限制在0到9之间。此外，我们将255替换为10，从而简化了您的转换：

 v = r + g*10 + b*100
现在很容易看出，
（1） 
v
始终介于0和999之间 （2） 所有红色值均在以下位置编码
（3） 所有绿色值均以十位编码
（4） 所有蓝色的颜色值都以百为单位进行编码

因此，不同的颜色总是会在
v
中产生不同的值

假设您的图像包含不同的颜色。那么矩阵
v
将只包含