R中图像的颜色提取、量化和分析

Question

我想quantifying colors in an image。 我研究珍珠母（珍珠母）的虹彩，我想量化这个贝壳上的三种颜色（红色、黄色和绿色）（例如上面链接中的右图）。

Iridescence of nacre

所以，我测试了一些软件包（imager、ImageMagick、EBImage...），但我并没有真正找到对我有帮助的东西。

嗯，我想在R 上用圆圈进行颜色量化。图元以像素为单位的面积可以表示为一个等效表面积的圆的面积。图元是相似颜色的相邻像素的连续区域。圆的中心可以是锚像素。 所以，有一个等式，我认为可以这样做：

DeltaI = 平方根[(Ranchor - Ri)² - (Ganchor - Gi)² - (Banchor - 双)²]

其中 R,G 和 B 是一个像素的颜色分量，范围从 0 到 255，anchor 是锚点像素，i 是锚点像素周围的任何相同颜色的像素。

期望结果有图片链接（来自Alçiçek & Balaban 2012）：

Shrimp resulting equivalent circles

所以有我的（可启动工作）代码，但我真的不知道如何继续.. 可以尝试创建一个包？

library(png)
nacre <-  readPNG("test.png")
nacre

dim(nacre)

# show the full RGB image
grid.raster(nacre)

# show the 3 channels in separate images
nacre.R = nacre
nacre.G = nacre
nacre.B = nacre

# zero out the non-contributing channels for each image copy
nacre.R[,,2:3] = 0
nacre.G[,,1]=0
nacre.G[,,3]=0
nacre.B[,,1:2]=0

# build the image grid
img1 = rasterGrob(nacre.R)
img2 = rasterGrob(nacre.G)
img3 = rasterGrob(nacre.B)
grid.arrange(img1, img2, img3, nrow=1)
# Now let’s segment this image. First, we need to reshape the array into a data frame with one row for each pixel and three columns for the RGB channels:


# reshape image into a data frame
df = data.frame(
red = matrix(nacre[,,1], ncol=1),
green = matrix(nacre[,,2], ncol=1),
blue = matrix(nacre[,,3], ncol=1)
  )


### compute the k-means clustering
K = kmeans(df,4)
df$label = K$cluster

### Replace the color of each pixel in the image with the mean 
### R,G, and B values of the cluster in which the pixel resides:

# get the coloring
colors = data.frame(
  label = 1:nrow(K$centers), 
  R = K$centers[,"red"],
  G = K$centers[,"green"],
  B = K$centers[,"blue"]
)

# merge color codes on to df
df$order = 1:nrow(df)
df = merge(df, colors)
df = df[order(df$order),]
df$order = NULL

# get mean color channel values for each row of the df.
R = matrix(df$R, nrow=dim(nacre)[1])
G = matrix(df$G, nrow=dim(nacre)[1])
B = matrix(df$B, nrow=dim(nacre)[1])

# reconstitute the segmented image in the same shape as the input image
nacre.segmented = array(dim=dim(nacre))
nacre.segmented[,,1] = R
nacre.segmented[,,2] = G
nacre.segmented[,,3] = B

# View the result
grid.raster(nacre.segmented)

有人有曲目或任何想法吗？ 感谢您的帮助..

Answer 1

好吧，我找到了另一种方式来回答我的问题：

• 我使用load.imagefrom imager 包上传我的图片。

• 我使用以下代码提取 RGB 通道：

  # Assign RGB channels to data frame
  nacreRGB <- data.frame(
  x = rep(1:nacreDm[2], each = nacreDm[1]),
  y = rep(nacreDm[1]:1, nacreDm[2]),
  R = as.vector(nacre[,,1]),
  G = as.vector(nacre[,,2]),
  B = as.vector(nacre[,,3])
  )
  # head(nacreRGB)
  
  # Assign RGB channels to data frame without pixel coordinates
  nacreRGB2 <- data.frame(
  R = as.vector(nacre[,,1]),
  G = as.vector(nacre[,,2]),
  B = as.vector(nacre[,,3])
  

• 使用rgbSVG2rgbCSS 函数将其转换为十六进制代码后。

• 我将其放入我称之为RGB0 的矩阵中，以创建直方图并用像素频率显示不同的颜色。

• 在我执行 PCA 以显示这些颜色的分布之后：

  require("ggplot2")
  RGB0 <- as.data.frame(RGB0)
  
  # perform PCA on the nacre data and add the uv coordinates to the 
  dataframe
  PCA = prcomp(RGB0[,c("R","G","B")], center=TRUE, scale=TRUE)
  RGB0$u = PCA$x[,1]
  RGB0$v = PCA$x[,2]
  

• 我用ggplot2 显示这个PCA。
• 在此之后，我使用rgb2hsv 将 RGB 代码转换为 HSV 代码，我可以为色调、饱和度（色调到白色）和值（色调到黑暗）设置一个值，这样我就可以获得质量和数量数据关于颜色。

编辑：所有代码现在都发布到 ImaginR 包中的 CRAN 中： https://cran.r-project.org/web/packages/ImaginR/ImaginR.pdf

或者在 GitHub 上： https://github.com/PLStenger/ImaginR

这个版本没有真正量化颜色，但是下个版本很快就会出现。