颜色利用率为Lab的颜色分段*

在不同颜色的中间结构中识别不同的颜色。在伊玛基尼的中间结构中识别不同颜色的图像™.

Paso 1:Adquirir图像

在图像中，你可以看到彩色图像。fabric.png在公用事业的发展过程中，我们看到了伊马基尼研究中心的研究成果。fabric.png

%访问附在Pulnix TMC-9700相机上的matrix (R)帧抓取器，并%使用NTSC格式获取数据。% vidobj = videoinput('matrox'，1，'M_NTSC_RGB');打开实时预览窗口。把相机对准一块彩色的织物。%预览(vidobj);%捕获一帧数据。% fabric = getsnapshot(vidobj);% imwrite(织物、“fabric.png”、“png”);%删除和清除关联的变量。% delete(vidobj) % clear vidobj; fabric = imread('fabric.png'); imshow(fabric) title('Fabric')

Paso 2: Calcular colores de muestra en Lab* Espacio de color para cada región

图像中的主要颜色：方多色、罗霍色、佛得色、普尔普拉色、阿马里洛色和洋红色。观察图像中不同颜色的视觉效果。颜色L*a*b*（también conocido como CIELAB o CIE L*a*b*）允许不同的视觉效果。

颜色空间L*a*b*是triestímulo CIE XYZ的值的导数。空间L*a*b* consta de luminosidad 'L*' o capa de brillo, capa de cromaticidad 'a*' a indica dónde cae El color a lo largo del eje roho -verde y capa de cromaticidad 'b*' a indica dónde cae El color a lo largo del eje azul-amarillo。

我们可以用图画图画pequeña región画出图画图画región画出图画图画空间a*b*。Utilizará estos marcadores de color para classiificar cada píxel。

再简化一下，我们可以在文件中看到región的坐标。

负载regioncoordinates；nColors = 6;sample_regions = false([size(fabric,1) size(fabric,2) nColors]);为count = 1:nColors sample_regions(:，:，count) = roipoly(fabric,region_coordinates(:，1,count)，．..区域坐标（：，2，计数））；结束imshow（样本区域（：，：，2））标题（'红色样本区域'）

将图象的RGB de tejido en una图象L*a*b*利用。rgb2lab

lab_结构=rgb2lab（结构）；

医疗费用计算表a*“y”b*“属于额外费用。roipoly在这个空间里，颜色是a*b*。

一个= lab_fabric (:: 2);b = lab_fabric (:: 3);color_markers = 0 ([nColors, 2]);为count = 1:nColors color_markers(count,1) = mean2(a(sample_regions(:，:，count)));color_markers(统计,2)=非常刻薄的(b (sample_regions (:,:,)));结束

请相信我，我们的彩色媒体在región的展览里，在这个空间里

流(“[%0.3f，%0.3f]\n”颜色标记（2,1），颜色标记（2,2）；

[69.828, 20.106]

帕索3:Clasificar cada píxel usando la regla de vecino más cercano

卡达·马尔卡多·德·卡达·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德·德。拉布距离意味着颜色的变化。就在这里，我们可以看到颜色的远近和远近，而颜色的远近和远近则是同一个颜色的远近。

颜色、颜色、颜色、颜色、颜色、颜色、颜色、颜色、颜色、颜色、颜色、颜色、颜色、颜色和颜色。

颜色标签=0:n颜色-1；

下标矩阵是utilizarán en la clasificación de vecino más cercana。

一个=双(a);b =双(b);距离= 0 ([size(a)， nColors]);

Realizar clasificacion

为count = 1:nColors distance(:，:，count) = ((a - color_markers(count,1)))。^ 2 +．..(b - color_markers(统计,2))。^ 2)。^ 0.5;End [~，label] = min(距离，[]，3);标签= color_labels(标签);明确的距离;

Paso 4: Mostrar los resultados de la clasificación de vecinos más cercanos

根据原始颜色图像中的图像，使用颜色控制矩阵。根据原始颜色图像中的对象，使用颜色控制矩阵。

rgb_标签=repmat（标签[1 3]）；分割的_图像=零（[尺寸（织物），颜色]，“uint8”);为count=1:nColors color=fabric；color（rgb_label~=color_label（count））=0；分割的_图像（：，：，：，count）=color；结束

我们将在一个蒙塔耶的音乐节上演奏。También muestre los píxeles de fondo de la imagen que no están clasificados como color。

蒙太奇({segmented_images (:,:,: 2), segmented_images (:,:,: 3)．..segmented_images (::: 4), segmented_images(::,:, 5)…segmented_images (::,:, 6), segmented_images (:,:,: 1)});标题(“红色、绿色、紫色、品红和黄色物体和背景的蒙太奇”)

第五部分：颜色的变化

在法国，一个不同的颜色“a*”和“y”b*”的颜色“a*”和“b*”的颜色“是”的颜色“是”的颜色。视觉化的第二个细节，是颜色的第二个细节。

紫色= [119/255 73/255 152/255];plot_labels = {“k”，“r”，‘g’紫色“我是，“是的”};数字为数＝1: nColors绘图（a（标签==count-1）、b（标签==count-1）、“.”、“MarkerEdgeColor”，．..plot_labels {}, MarkerFaceColor, plot_labels{数});抓住;end title('在“a*b*”空间分割像素的散点图');包含(“*”值);ylabel(“b *”值);