R：将RGB图像的红色和绿色值设置为零，方法是将其作为矩阵处理

我正在使用OpenImageR和超级像素图像分割软件包。 我想提取分割图像的绿色维度，结果是二维图像而不是3（灰度）。
因此，为了给它着色，我将彩色图像的红色和蓝色值设置为0。
但是，每当我尝试显示图像时，我都会出现以下错误，我无法理解为什么0被大胆地定义为NAN，我还尝试将其设置为优于零（0.01）的值，但我仍然会收到相同的消息：

Error in rgb(t(x[, , 1L]), t(x[, , 2L]), t(x[, , 3L]), maxColorValue = max) : 
  color intensity nan, not in [0,1]

这是我的密码：

library(SuperpixelImageSegmentation)
library(OpenImageR)

path = system.file("tmp_images", "Phen.jpg", package = "OpenImageR")

image = readImage(path)
init = Image_Segmentation$new()

segmentation = init$spixel_segmentation(input_image = image,
                                    superpixel = 2000, # k
                                    AP_data = TRUE,
                                    use_median = TRUE,
                                    sim_wA = 5,
                                    sim_wB = 5,
                                    sim_color_radius = 3,
                                    kmeans_method = "kmeans",
                                    kmeans_initializer = "kmeans++",
                                    kmeans_num_init = 5,
                                    kmeans_max_iters = 50,
                                    verbose = TRUE)
#getting the green part alone
imG = segmentation$AP_image_data
imG = imG[,,2]

imB = segmentation$AP_image_data
imB = imB[,,3]

imR = segmentation$AP_image_data
imR = imR[,,1]


imR4 = imR / 2
imB4 = imB / 2
imGDone = imG - imR4
imGDone = imGDone - imB4
imageShow(imGDone)  # works fine, the result is a mask that contains only the green concentrated areas

imGColor <- segmentation$AP_image_data
for (i in 1:nrow(imGDone)) {
  for (j in 1:ncol(imGDone)){
    if (imGColor[i,j,1] > 0) {
      imGColor[i,j,1] = 0 * imGDone[i,j] # setting red to zero
      imGColor[i,j,3] = 0 * imGDone[i,j] # setting blue to zero
      imGColor[i,j,2] = 1 * imGDone[i,j] # setting green
    }
  }
}

imageShow(imGColor)

库（超级像素图像分割）
图书馆（OpenImageR）
path=system.file（“tmp_images”，“Phen.jpg”，package=“OpenImageR”）
image=readImage（路径）
init=图像分割$new（）
segmentation=init$spixel\u segmentation（输入图像=图像，
超级像素=2000，#k
AP_数据=真，
使用中位数=真，
sim_wA=5，
sim_wB=5，
模拟颜色半径=3，
kmeans\u method=“kmeans”，
kmeans_初始值设定项=“kmeans++”，
kmeans_num_init=5，
kmeans\u max\u iters=50，
详细=正确）
#单独获取绿色部分
imG=分割$AP\u图像\u数据
imG=imG[，2]
imB=分割$AP\U图像\U数据
imB=imB[，3]
imR=分割$AP\U图像\U数据
imR=imR[，1]
imR4=imR/2
imB4=imB/2
imGDone=imG-imR4
imGDone=imGDone-imB4
imageShow（imGDone）#工作正常，结果是一个仅包含绿色集中区域的遮罩
imGColor（0）{
imGColor[i，j，1]=0*imGDone[i，j]#将红色设置为零
imGColor[i，j，3]=0*imGDone[i，j]#将蓝色设置为零
imGColor[i，j，2]=1*imGDone[i，j]#设置为绿色
}
}
}
图像显示（imGColor）

当我执行最后一行显示imGColor时，我得到了错误。 我是R的新手，我找不到任何线索来说明可能的原因。

---

因此，我想在我应该做的事情上得到帮助，并提前向您表示感谢

这实际上不是“超级像素图像分割”或“OpenImageR”问题。“OpenImageR”软件包的“imageShow”功能在引擎盖下使用该功能。您收到的错误是由于R、G、B的修改值不在0和1之间的范围内，如另一篇文章中所述。要克服这个问题，您必须首先将像素值标准化为[0,1]，然后进行调整。您提到的文件的“路径”在“OpenImageR”包中不存在，因此我使用了该包的另一个可用图像

    library(SuperpixelImageSegmentation)
    library(OpenImageR)

    path = system.file("tmp_images", "2.jpg", package = "OpenImageR")

    image = readImage(path)
    init = Image_Segmentation$new()

    segmentation = init$spixel_segmentation(input_image = image,
                                            superpixel = 2000, # k
                                            AP_data = TRUE,
                                            use_median = TRUE,
                                            sim_wA = 5,
                                            sim_wB = 5,
                                            sim_color_radius = 3,
                                            kmeans_method = "kmeans",
                                            kmeans_initializer = "kmeans++",
                                            kmeans_num_init = 5,
                                            kmeans_max_iters = 50,
                                            verbose = TRUE)
    #getting the green part alone
    imG = segmentation$AP_image_data
    imG = imG[,,2]

    imB = segmentation$AP_image_data
    imB = imB[,,3]

    imR = segmentation$AP_image_data
    imR = imR[,,1]


    imR4 = imR / 2
    imB4 = imB / 2
    imGDone = imG - imR4
    imGDone = imGDone - imB4
    imageShow(imGDone)  # works fine, the result is a mask that contains only the green concentrated areas

    # the 'imGDone' array has values in the range [-0.08039, -0.03824] 
    summary(as.vector(imGDone))

    # you have to normalize first to [0,1] to avoid the error
    imGDone <- OpenImageR::NormalizeObject(imGDone)

    # values now in the range [0.0000, 1.0000]
    summary(as.vector(imGDone))

    imGColor <- segmentation$AP_image_data

    for (i in 1:nrow(imGDone)) {
      for (j in 1:ncol(imGDone)){
        if (imGColor[i,j,1] > 0) {
          imGColor[i,j,1] = 0 * imGDone[i,j] # setting red to zero
          imGColor[i,j,3] = 0 * imGDone[i,j] # setting blue to zero
          imGColor[i,j,2] = 1 * imGDone[i,j] # setting green
        }
      }
    }

    imageShow(imGColor)

库（超级像素图像分割）
图书馆（OpenImageR）
path=system.file（“tmp_images”，“2.jpg”，package=“OpenImageR”）
image=readImage（路径）
init=图像分割$new（）
segmentation=init$spixel\u segmentation（输入图像=图像，
超级像素=2000，#k
AP_数据=真，
使用中位数=真，
sim_wA=5，
sim_wB=5，
模拟颜色半径=3，
kmeans\u method=“kmeans”，
kmeans_初始值设定项=“kmeans++”，
kmeans_num_init=5，
kmeans\u max\u iters=50，
详细=正确）
#单独获取绿色部分
imG=分割$AP\u图像\u数据
imG=imG[，2]
imB=分割$AP\U图像\U数据
imB=imB[，3]
imR=分割$AP\U图像\U数据
imR=imR[，1]
imR4=imR/2
imB4=imB/2
imGDone=imG-imR4
imGDone=imGDone-imB4
imageShow（imGDone）#工作正常，结果是一个仅包含绿色集中区域的遮罩
#“imGDone”数组的值的范围为[-0.08039，-0.03824]
摘要（作为矢量（imGDone））
#必须先将其规格化为[0,1]以避免出现错误
imGDone