分离背景和前景

Question

我是 Matlab 和图像处理的新手。我正在努力在这样的图像中分离背景和前景

我有数百张这样的图片，找到here。通过反复试验，我发现了一个阈值（在 RGB 空间中）：背景所在的红色层始终小于 150，绿色和蓝色层大于 150。

所以如果我的 RGB 图像是 I 而我的 r、g 和 b 图层是

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

通过查找红色、绿色和蓝色值大于或小于 150 的坐标，我可以得到背景的坐标，例如

[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 中获得了数千像素的坐标。

我的问题：

1. 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共同点。但这将非常昂贵。 这可以在没有循环的情况下实现？

2. 如果我以某种方式想出了[commonR commonC] 和commonR 和commonC 之类的共同点5000 X 1，那么要访问图像I 的这个背景像素，我必须先访问@987654339 @ 然后commonC 然后访问图片I 喜欢

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

那也太贵了。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。

我得到了@Science_Fiction 答案的解决方案

只是详细说明他/她的答案

我用过

mask = I(:,:,1) < 150 & I(:,:,2) > 150 & I(:,:,3) > 150;

Answer 1

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);

灰度图像也足以分隔背景。

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

编辑

我又看了看，也使用了您链接到的其他图像。 考虑到背景颜色的差异，我认为从图像直方图导出阈值而不是硬编码会得到更好的结果。

有时，此算法有点过于严格，例如与背景一起擦除部分衣服。但我认为超过 90% 的图像被很好地分离，这比你希望通过固定阈值实现的更强大。

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;

结果：

Answer 2

你的方法看起来很基本但很体面。因为对于这个特定的图像，背景主要由蓝色组成，所以你很粗糙，然后：

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

这会将那些在 > 150 时为 true 的像素设置为 0，将 false 设置为 1。不过，您将获得一张黑白图像。

imshow(mask);

添加颜色

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

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

应该给你一张脸的彩色图像，有一个纯白色的背景。所有这些都需要反复试验。