对二值化图像的选定区域内的目标彩图的物体颜色进行识别（RGB）并输出，用opencv怎么编写源代码？

Posted 2023-05-01

跪求源程序！

1. 求得你的二值图像选定区域的外接矩形位置（左上角xy坐标，长，宽）
2. 判断原彩色图中该区域内的RGB值（读图片RGB值会吧？data=image->imagedata, data[m*step+n]）
3. 若符合你假设的条件，在原彩色图中截取（先设定ROI区域，然后cvcloneimage，再释放ROI区域） 参考技术A 二值化后的区域只有0、1可以作为掩码

图像中颜色的二值化

【中文标题】图像中颜色的二值化

【英文标题】：binarization of colours in images

【发布时间】：2014-01-29 13:33:21

【问题描述】：

我正在从基于像素的线图中提取图元，并希望通过颜色进行选择。因此在下面

我希望提取“蓝色”、“绿色”和“黑色”基元。 （我准备尝试重建被另一种颜色的图元分割的图元）。

但是，“蓝色”添加了不同数量的白色（类似于黑色的灰度）。因此，最常见的颜色（为简单起见四舍五入为 12 位）及其计数可能是

000   881 // black
88f   1089 // white-blue
fff   70475 // white

但在低频下还有其他程度的白度

// other white-blue 
99f   207

// other grey
ddd   196

我相信作者在许多图表中只使用了非常有限数量的纯色（例如 3-6 种），并且各种渲染工具都会添加白色。 IOW颜色可以用(0 =< x =< 1)表示

000 + x(FFF)
00F + x(FF0) // blue
0F0 + x(F0F) // green

但是，不要求使用原色，并且该集合可以是任意颜色的任意数量的白色。

如何重建（小）一组不同的颜色？如果可能的话，我可以选择这些区域，转换为灰色，并以正常方式进行二值化。

我更喜欢 Java 源代码，但我怀疑任何代码都足够了；

我已经阅读了两个有用的 SO 问题

"Rounding" colour values to the nearest of a small set of colours

HCL color to RGB and backward

它使用 H-C-L 并且可能是一种前进的方式，尽管它们没有直接满足我的要求。

【参考方案1】：

您可以尝试使用region growing。我认为它应该很好地满足您的需求。只需更改相同颜色的阈值即可。我认为它在这里应该可以很好地工作，因为作为对象连接的任何两种颜色之间似乎存在很大差异。

【讨论】：

它可能有用（而且我确实已经种植了区域）但是蓝色中白色的数量有很多变化 - 我真的很想将蓝色二值化为一个独特的操作跨度>

您是否能够将您绝对不想要的所有像素（例如所有全白像素）阈值化？您可以尝试对整个图像上的所有非白色像素进行动态聚类。这会将所有相似的颜色组合在一起，并且应该会自动工作，而无需确定阈值。

我们不能依赖块中的颜色。它可以更细粒度 - 例如抗锯齿字符

即使像素随机分布，kmeans 或聚类方法也可以工作。您甚至可能不必对白色和黑色数据进行阈值处理。您知道要分割出多少种颜色或哪些颜色吗？

没有。我知道可能不多，但我不知道它们是什么。没有美白很容易 - 只需编译一套。但由于它们可能会有所不同，我需要知道如何

【参考方案2】：

如果您的直觉是正确的（所有像素都是某种颜色和纯白色的线性混合），在 RGB 立方体中，所有颜色都将在源自白色角的线段上对齐。 p>

如果您为每种不同的颜色选择一个代表像素（尽可能远离白色，以提高准确性），您可以通过找到由该像素、白色和代表形成的最佳对齐方式来识别任何其他像素的颜色像素。

通过计算所形成角度的余弦来测试对齐（使用 3D 向量，余弦是范数乘积上的点积；放弃符号）。理论上余弦应该正好是 1，但由于数值误差它可以更小，所以只考虑使余弦最大化的代表颜色。

特别注意白色像素（到白色角落的距离较短），否则它们将被随机分配到一些代表颜色。

【讨论】：

谢谢。我已经意识到，如果不了解抗锯齿算法，可能就没有确切的答案。我认为白色被添加到基色中，但 H 和 S 都可以变化

【参考方案3】：

根据所涉及颜色的数量及其相似性，R、G 和 B 值的简单阈值会迅速将所有颜色减少到 8 种颜色中的一种（黑色、红色、绿色、蓝色、青色、洋红色、黄色、或白色）。