Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Краткий курс теории обработки изображений.doc
Скачиваний:
34
Добавлен:
01.07.2025
Размер:
8 Мб
Скачать
☆

Шаг 2: Вычисление выборки цветов в цветовом пространстве l*a*b* для каждой локальной области.

Существует возможность просмотра шести основных цветов изображения: фоновый цвет, красный, зеленый, пурпурный (фиолетовый), желтый и красно-фиолетовый (magenta). Отметим, что визуально эти цвета очень легко различаются между собой. Цветовое пространство L*a*b* (еще известное как CIELAB или CIE L*a*b*) позволяет четко отмечать эти визуальные различия.

Цветовое пространство L*a*b* получено на основе трехцветных значений CIE XYZ. Пространство L*a*b* включает информацию о значении интенсивности 'L*', значении цветности 'a*' (показывает какой цвет выбран на красно-зеленой оси) и значении цветности 'b*' (показывает какой цвет выбран на голубо-желтой оси).

Отметим, что при анализе цветов используются окрестности небольших размеров и при их вычислении берется усреднение в пространстве 'a*b*'. Эти цветовые метки можно использовать при классификации каждого пикселя.

Для упрощения демонстрации примера, считаем координаты области, которые хранятся в MAT-file.

load regioncoordinates;

nColors=6;

sample_regions=false([size(fabric, 1) size(fabric, 2) nColors]);

for count=1:nColors

sample_regions(:, :, count)=roipoly(fabric, region_coordinates(:, 1, count), ...

region_coordinates(:, 2, count));

end

Imshow(sample_regions(:, :, 2)), title('Пример красной области');

Преобразуем RGB-изображение материи в L*a*b*-изображение с использованием функций makecform и applycform.

cform=makecform('srgb2lab');

lab_fabric=applycform(fabric, cform);

Вычислим средние значения 'a*' и 'b*' для каждой области представленной roipoly.

Эти значения могут служить маркерами в пространстве 'a*b*'.

a=lab_fabric(:, :, 2);

b=lab_fabric(:, :, 3);

color_markers=repmat(0, [nColors, 2]);

for count=1:nColors

color_markers(count, 1)=mean2(a(sample_regions(:, : ,count)));

color_markers(count, 2)=mean2(b(sample_regions(:, :, count)));

end

Например, усреднение по красному цвету в цветовом пространстве 'a*b*' производится так

disp(sprintf('[%0.3f,%0.3f]', color_markers(2, 1), color_markers(2, 2)));

Шаг 3: Классификация каждого пикселя с использованием принципа ближайшей окрестности.

Каждый цветовой маркер представляется некоторыми значениями 'a*' и 'b*'. Поэтому существует возможность классификации каждого пикселя изображения lab_fabric на основе вычисления евклидового расстояния между пикселем и цветовым маркером. Минимальное евклидовое расстояние соответствует минимальному расстоянию между рассматриваемыми пикселями и маркером. Например, если дистанция между двумя пикселями и красным цветовым маркером является минимальной, то пиксели будут отмечены как красные.

Создадим массив, который содержит цветовые метки, т.е. 0=background, 1=red, 2=green, 3=purple, 4=magenta и 5=yellow.

color_labels=0:nColors-1;

Создадим матрицы с использованием принципа классификации по близлежащей окрестности.

a=double(a);

b=double(b);

distance=repmat(0, [size(a), nColors]);

Выполнение классификации

for count=1:nColors

distance(:, :, count)=((a-color_markers(count, 1)).^2+...

(b-color_markers(count, 2))^2).^0.5;

end

[value, label]=min(distance, [], 3);

label=color_labels(label);

clear value distance;