首页 文章

分离背景和前景

提问于
浏览 次
1

我是Matlab和图像处理的新手 . 我正在研究这样的图像中的背景和前景

passport image blue background

我有这样的数百张图片，找到here . 通过反复试验，我发现了一个阈值（在RGB空间中）：红色层始终小于150，绿色和蓝色层大于150，背景为 .

所以如果我的RGB图像是 I 而且我的 r ， g 和 b 层是

redMatrix = I(:,:,1);
greenMatrix = I(:,:,2);
blueMatrix = I(:,:,3);

通过查找红色，绿色和蓝色的坐标，其值大于或小于150我可以得到背景的坐标

[r1 c1] = find(redMatrix < 150);
[r2 c2] = find(greenMatrix > 150);
[r3 c3] = find(blueMatrix > 150);

现在我在 r1,c1,r2,c2,r3 and c3 中获得了数千个像素的坐标 .

My questions:

  • 如何找到常用值，例如红色小于150且绿色和蓝色大于150的像素坐标？我必须迭代 r1 和 c1 的每个坐标并检查它们是否出现在 r2 c2 和 r3 c3 中以检查它是否是一个常见点 . 但那将是非常昂贵的 . Can this be achieved without a loop ？

  • 如果我想出了像 [commonR commonC] 和 commonR 和 commonC 这两个共同点都是 5000 X 1 的顺序，那么要访问Image I 的这个背景像素，我必须首先访问 commonR 然后 commonC 然后访问图像 I 就像

I(commonR(i,1),commonC(i,1))

那也很贵 . 所以我的问题是，这可以在没有循环的情况下完成 .

任何帮助，将不胜感激 .

I got solution with @Science_Fiction answer's

只是详细说明他/她的答案

我用了

mask = I(:,:,1) < 150 & I(:,:,2) > 150 & I(:,:,3) > 150;
image matlab image-processing

2 回答

  • 3

    你的方法似乎基本但体面 . 因为对于这个特定的图像，背景主要由蓝色组成，所以你是粗糙的，并做：

    mask = img(:,:,3) > 150;

    这将设置那些评估为真的像素为> 150到0而false为1.您将拥有黑白图像 .

    imshow(mask);

    添加颜色

    mask3d(:,:,1) = mask; 
mask3d(:,:,2) = mask; 
mask3d(:,:,3) = mask;

img(mask3d) = 255;
imshow(img);

    希望能给你带有纯白色背景的彩色图像 . 所有这些都需要一些试验和错误 .

    回复于
  • 4

    不需要循环 . 你可以这样做：

    I = imread('image.jpg');
redMatrix = I(:,:,1);
greenMatrix = I(:,:,2);
blueMatrix = I(:,:,3);
J(:,:,1) = redMatrix < 150;
J(:,:,2) = greenMatrix > 150;
J(:,:,3) = blueMatrix > 150;
J = 255 * uint8(J);
imshow(J);

    image

    灰度图像也足以分离背景 .

    K = ((redMatrix < 150) + (greenMatrix > 150) + (blueMatrix > 150))/3;
imshow(K);

    enter image description here

    编辑

    我又看了一眼，还使用了你链接到的其他图像 . 考虑到背景颜色的变化，我认为从图像直方图中获取阈值而不是硬编码会得到更好的结果 .

    有时，这种算法有点严格，例如与背景一起擦除部分衣服 . 但我认为超过90％的图像分离得相当好，这比你希望用固定阈值实现的图像更强大 .

    close all;

path = 'C:\path\to\CUHK_training_cropped_photos\photos';
files = dir(path);
bins = 16;

for f = 3:numel(files)
    fprintf('%i/%i\n', f, numel(files));
    file = files(f);
    if isempty(strfind(file.name, 'jpg'))
        continue
    end

    I = imread([path filesep file.name]);

    % Take the histogram of the blue channel
    B = I(:,:,3);
    h = imhist(B, bins);
    h2 = h(bins/2:end);

    % Find the most common bin in the *upper half*
    % of the histogram 
    m = bins/2 + find(h2 == max(h2));

    % Set the threshold value somewhat below  
    % the value corresponding to that bin
    thr = m/bins - .25;
    BW = im2bw(B, thr);
    % Pad with ones to ensure background connectivity
    BW = padarray(BW, [1 1], 1);
    % Find connected regions in BW image
    CC = bwconncomp(BW);    
    L = labelmatrix(CC);
    % Crop back again
    L = L(2:end-1,2:end-1);

    % Set the largest region in the orignal image to white
    for c = 1:3
        channel = I(:,:,c);
        channel(L==1) = 255;
        I(:,:,c) = channel;
    end 

    % Show the results with a pause every 16 images    
    subplot(4,4,mod(f-3,16)+1);
    imshow(I);
    title(sprintf('Img %i, thr %.3f', f, thr));

    if mod(f-3,16)+1 == 16
        pause
        clf
    end    

end

pause
close all;

    Results:

    enter image description here

    回复于

相关问题