从图像中提取特征 - 最佳方法的建议？答案

【问题标题】：Extracting Feature from an Image - suggestions for best approach?从图像中提取特征 - 最佳方法的建议？
【发布时间】：2016-07-22 16:41:53
【问题描述】：

我目前正在学习计算机视觉，我想从图像中提取洋葱。最好的方法是什么？

我尝试了一种阈值化方法，通过将图像分解为其 R、G、B 通道来检测白色，但它也可以检测图像其他部分的光反射。如何清理此图像以获得近似代表洋葱的蒙版？

onionRGB = imread('onion.png');
onionGRAY = rgb2gray(onionRGB);

figure, imshow(onionRGB);

% split channels
rOnion = onionRGB(:, :, 1);             % red channel
gOnion = onionRGB(:, :, 2);             % green channel
bOnion = onionRGB(:, :, 3);             % blue channel


whiteThresh = 160*3;
% detect white onion
onionDetection = double(rOnion) + double(gOnion) + double(bOnion);

% apply thresholding to segment the foreground
maskOnion = onionDetection > whiteThresh;
figure, imshow(maskOnion);

【问题讨论】：

标签： matlab image-processing feature-detection feature-extraction

【解决方案1】：

下面的代码，在拆分成通道后放置，效果很好。

onionHSV = rgb2hsv(onionRGB);
saturationOnion = onionHSV(:,:,2);
figure;
imagesc(saturationOnion);
title('Saturation');

figure;
imagesc(rOnion+bOnion); title('purple');

%apply threshold to saturation and purple brightness levels
maskOnion = and((saturationOnion < 0.645), (rOnion+bOnion >=155));
%filter out all but the largest object
maskOnion = bwareafilt(maskOnion,1);
figure, imshow(maskOnion);

第一个技巧是使用颜色的 HSV 表示中的饱和度进行过滤。第二个技巧是在多个通道上设置阈值。第三个技巧是过滤掉除最大对象之外的所有对象。

【讨论】：