基于颜色的分割使用L*a*b*颜色空间
这个例子展示了如何通过分析L*a*b*颜色空间来识别织物中的不同颜色。使用图像采集工具箱™获取织物图像。
步骤1:获取图像
读的fabric.png.图像，这是一个彩色织物的图像。而不是使用fabric.png.，可以使用图像获取工具箱中的下列函数获取图像。
%访问一个连接到Pulnix TMC-9700相机的Matrox(R)抓拍器%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);％捕获一个数据帧。％fabric = getsnapshot（Vidobj）;% imwrite(织物、“fabric.png”、“png”);%删除和清除关联的变量。％删除（Vidobj）％clear vidobj;织物= imread ('fabric.png');imshow(织物)标题(“布”)
步骤2:计算样本颜色在L*a*b*颜色空间为每个区域
您可以看到图像中的六种主要颜色：背景颜色，红色，绿色，紫色，黄色和洋红色。请注意您可以轻松地在视觉上将这些颜色彼此区分开。l * a * b * colorspace（也称为cielab或cie l * a * b *），使您可以量化这些视觉差异。
L*a*b*颜色空间是由CIE XYZ三刺激值推导出来的。L*a*b*空间由光度'L*'或亮度层、色度层'a*'表示颜色沿红绿轴落在哪里，色度层'b*'表示颜色沿蓝黄轴落在哪里。
您的方法是为每种颜色选择一个小样本区域，并计算“A * B *”空间中的每个样本区域的平均颜色。您将使用这些颜色标记来对每个像素进行分类。
为了简化这个示例，加载存储在mat文件中的区域坐标。
负载regioncoordinates;nColors = 6;sample_regions = false([size(fabric,1) size(fabric,2) nColors]);为= roipoly(fabric,region_coordinates(:，1,count)，…region_coordinates (:, 2));结束imshow (sample_regions(:: 2))标题(“红色样本区域”)
将您的Fabric RGB图像转换为L * A * B *图像RGB2LAB.。
Lab_Fabric = RGB2LAB（结构）;
计算提取的每个区域的“a*”和“b*”的平均值roipoly。这些值用作“A * B *”空间中的颜色标记。
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
例如，“a*b*”空间中红色样本区域的平均颜色为
流('[％0.3f，％0.3f] \ n', color_markers (2, 1), color_markers (2, 2));
[69.828, 20.106]
步骤3:使用最近邻规则对每个像素进行分类
每个颜色标记现在都有一个'a*'和一个'b*'值。可以对每个像素进行分类lab_fabric.图像通过计算像素和每个颜色标记之间的欧氏距离。最小的距离将告诉您像素最接近该颜色标记。例如，如果一个像素与红色标记之间的距离最小，则该像素将被标记为红色像素。
创建包含颜色标签的数组，即，0 =背景，1 =红色，2 =绿色，3 =紫色，4 =洋红色，5 =黄色。
color_labels = 0：ncolors-1;
初始化要在最近邻分类中使用的矩阵。
一个=双(a);b =双(b);distance = 0 ([size(a)， nColors]);
进行分类
为count = 1:nColors distance(:，:，count) = ((a - color_markers(count,1))。^ 2 +…（b - color_markers（count，2））。^ 2）。^ 0.5;结束[〜，标签] = min（距离，[]，3）;label = color_labels（标签）;清除距离;
第4步：显示最近邻分类的结果
标签矩阵包含织物图像中的每个像素的颜色标签。使用标签矩阵按原始结构图像中的单独对象进行颜色。
Rgb_label = repmat(label，[1 1 3]);segmented_images = 0 ([size(fabric)， nColors]，“uint8”);为count = 1：ncolors颜色=结构;颜色（rgb_label〜= color_labels（count））= 0;segmented_images（：，：：，count）=颜色;结束
显示五个分割的颜色作为蒙太奇。还显示图像中没有分类为颜色的背景像素。
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)
步骤5:显示标签颜色的“a*”和“b*”值
您可以看到最近的邻居分类如何通过绘制分类为单独颜色的“A *”和“B *”值来分离不同的颜色群体。出于显示目的，用其颜色标签标记每个点。
紫色= [119/255 73/255 152/255];plot_labels = {'K',“r”,‘g’， 紫色的，'M','是'};数字为a(label==count-1)，b(label==count-1)，“。”,'markeredgecolor',…plot_labels {},“MarkerFaceColor”，plot_labels {count}）;抓住上;结束标题(“a*b*”空间中分割像素的散点图”);包含(''''''''值');ylabel (“b *”的价值观);
您还可以从以下列表中选择一个网站：
