Как преобразовать изображение RGB в оттенки серого, но сохранить один цвет?

figure
pic = imread('EcyOd.jpg');

for mm = 1:size(pic,1)
    for nn = 1:size(pic,2)
        if pic(mm,nn,1) < 80 || pic(mm,nn,2) > 80 || pic(mm,nn,3) > 100
            gsc = 0.3*pic(mm,nn,1) + 0.59*pic(mm,nn,2) + 0.11*pic(mm,nn,3);
            pic(mm,nn,:) = [gsc gsc gsc];
        end
    end
end
imshow(pic)

Один из вариантов, который значительно улучшает качество результирующего изображения, - это преобразование в другое цветовое пространство, чтобы было легче выбирать цвета. В частности, цветовое пространство HSV определяет цвета пикселей с точки зрения их оттенка (цвета), насыщенности (количество цвета) и значение (яркость цвета).

Например, вы можете преобразовать изображение RGB в пространство HSV с помощью функции _1 _ найдите пиксели с оттенками, которые охватывают то, что вы хотите определить как «не красные» цвета (например, от 20 до 340 градусов), установите для этих пикселей насыщенность 0 (чтобы они были в оттенках серого), затем преобразуйте изображение обратно в пространство RGB с помощью функции hsv2rgb:

cdata = imread('EcyOd.jpg');       % Load image
hsvImage = rgb2hsv(cdata);         % Convert the image to HSV space
hPlane = 360.*hsvImage(:, :, 1);   % Get the hue plane scaled from 0 to 360
sPlane = hsvImage(:, :, 2);        % Get the saturation plane
nonRedIndex = (hPlane > 20) & ...  % Select "non-red" pixels
              (hPlane < 340);
sPlane(nonRedIndex) = 0;           % Set the selected pixel saturations to 0
hsvImage(:, :, 2) = sPlane;        % Update the saturation plane
rgbImage = hsv2rgb(hsvImage);      % Convert the image back to RGB space

И вот получившееся изображение:

Обратите внимание, как по сравнению с решением от zellus вы можете легко сохранить светло-розовые тона на цветах. Также обратите внимание, что коричневатые тона на стебле и земле также исчезли.

Классный пример выбора объектов на изображении на основе их цветовых свойств можно найти в записи блога Стива Эддинса Два амиго, в котором описывается решение Бретта Шулсона из MathWorks для извлечения одного« амиго »из изображения.

Примечание о выборе цветовых диапазонов ...

Еще одна вещь, которую вы можете сделать, чтобы помочь вам выбрать диапазоны цветов, - это посмотреть на гистограмму оттенков (т.е. hPlane сверху), присутствующих в пикселях вашего изображения HSV. Вот пример, в котором используются функции histc (или рекомендуемый _ 6_, если доступно) и _ 7_:

binEdges = 0:360;    % Edges of histogram bins
hFigure = figure();  % New figure

% Bin pixel hues and plot histogram:
if verLessThan('matlab', '8.4')
  N = histc(hPlane(:), binEdges);  % Use histc in older versions
  hBar = bar(binEdges(1:end-1), N(1:end-1), 'histc');
else
  N = histcounts(hPlane(:), binEdges);
  hBar = bar(binEdges(1:end-1), N, 'histc');
end

set(hBar, 'CData', 1:360, ...            % Change the color of the bars using
          'CDataMapping', 'direct', ...  %   indexed color mapping (360 colors)
          'EdgeColor', 'none');          %   and remove edge coloring
colormap(hsv(360));                      % Change to an HSV color map with 360 points
axis([0 360 0 max(N)]);                  % Change the axes limits
set(gca, 'Color', 'k');                  % Change the axes background color
set(hFigure, 'Pos', [50 400 560 200]);   % Change the figure size
xlabel('HSV hue (in degrees)');          % Add an x label
ylabel('Bin counts');                    % Add a y label

А вот итоговая гистограмма цвета пикселей:

Обратите внимание, что исходное изображение содержит в основном пиксели красного, зеленого и желтого цветов (с несколькими оранжевыми). Пикселей голубого, синего, индиго или пурпурного цвета практически нет. Также обратите внимание, что диапазоны, которые я выбрал выше (от 20 до 340 градусов), хорошо исключают почти все, что не является частью двух больших красных кластеров на обоих концах.

Я действительно не знаю, как работает Matlab, поэтому я не могу комментировать код, но, возможно, это поможет немного объяснить, как работают цвета RGB.

При использовании цветов RGB можно создать шкалу серого, убедившись, что значения для R, G и B одинаковы. Итак, в основном то, что вы хотите сделать, - это определить, является ли пиксель красным, а не просто сделать R, G и B одинаковыми (вы можете использовать среднее значение 3 для элементарного результата).

Более сложная часть состоит в том, как определить, действительно ли пиксель красный, вы не можете просто проверить, имеет ли пиксель высокое значение R, поскольку он все еще может быть другого цвета, а низкое значение R может просто означать более темный красный цвет.

чтобы вы могли сделать что-то вроде этого: (у меня нет Matlab, поэтому предполагаю синтаксис):

red = cdata( y, x, 1 );
green = cdata( y, x, 2 );
blue = cdata(y, x, 3);

if (red < (blue * 1.4) || red < (green * 1.4) )
{
    avg = (red + green + blue) / 3;
    cdata(y, x, 1) = avg;
    cdata(y, x, 2) = avg;
    cdata(y, x, 3) = avg;
}

Вероятно, есть более эффективные способы обнаружить красный цвет и получить средний серый цвет, но это только начало;)