在 Matlab 中读取 Parula 图像而不丢失分辨率

Question

RGB 和 Parula 之间没有双射，讨论了 here。 我在想如何在 Parula 中做好文件的图像处理。 这个挑战是从这个thread 发展而来的，关于通过将案例扩展到 Parula 颜色的一般问题来从 ECG 图像中去除黑色。

数据：

由

生成

[X,Y,Z] = peaks(25);
imgParula = surf(X,Y,Z);
view(2);
axis off;

在您的解决方案中使用此代码来读取第二张图像不是该线程的重点。

代码：

[imgParula, map, alpha] = imread('http://i.stack.imgur.com/tVMO2.png'); 

其中map 是[]，alpha 是全白图像。做imshow(imgParula)给了

您会看到很多干扰和分辨率损失，因为 Matlab 将图像读取为 RGB，尽管实际的颜色图是 Parula。 调整此图片的大小不会提高分辨率。

如何在 Matlab 中将图像读入相应的颜色图？ 我没有找到任何参数来指定阅读时的颜色图。

Answer 1

问题

从parula 颜色图中的索引颜色到 RGB 三元组有一个one-to-one mapping。但是，不存在这样的一对一映射来反转此过程以将parula 索引颜色转换回 RGB（实际上有无数种方法可以这样做）。因此，两个空格之间没有一一对应或bijection。下图显示了每个 parula 索引的 R、G 和 B 值，更清楚地说明了这一点。

大多数索引颜色都是这种情况。这个问题的任何解决方案都不是唯一的。

内置解决方案

在玩了一会儿之后，我意识到已经有一个内置函数可能就足够了：rgb2ind，它将 RGB 图像数据转换为索引图像数据。这个函数使用dither（它又调用了mex函数ditherc）来执行逆颜色图变换。

这是一个使用 JPEG 压缩来添加噪点并扭曲原始parula 索引数据中的颜色的演示：

img0 = peaks(32);                     % Generate sample data
img0 = img0-min(img0(:));
img0 = floor(255*img0./max(img0(:))); % Convert to 0-255
fname = [tempname '.jpg'];            % Save file in temp directory
map = parula(256);                    % Parula colormap
imwrite(img0,map,fname,'Quality',50); % Write data to compressed JPEG
img1 = imread(fname);                 % Read RGB JPEG file data

img2 = rgb2ind(img1,map,'nodither');  % Convert RGB data to parula colormap

figure;
image(img0);                          % Original indexed data
colormap(map);
axis image;

figure;
image(img1);                          % RGB JPEG file data
axis image;

figure;
image(img2);                          % rgb2ind indexed image data
colormap(map);
axis image;

这应该会产生类似于下面前三个的图像。

替代解决方案：色差

完成此任务的另一种方法是将 RGB 图像中的颜色差异与对应于每个颜色图索引的 RGB 值进行比较。执行此操作的标准方法是在CIE L*a*b* 颜色空间中使用calculating ΔE。我已经在一个名为rgb2map 的通用函数中实现了这种形式，它可以是downloaded from my GitHub。此代码依赖于图像处理工具箱中的makecform 和applycform 将RGB 转换为1976 CIE L*a*b* 颜色空间。

下面的代码会产生一个像右上图那样的图像：

img3 = rgb2map(img1,map);

figure;
image(img3);                          % rgb2map indexed image data
colormap(map);
axis image;

对于输入图像中的每个 RGB 像素，rgb2map 使用CIE 1976 标准计算它与输入颜色图中每个 RGB 三元组之间的色差。 min 函数用于查找最小值 ΔE 的索引（如果存在多个最小值，则返回第一个的索引）。在多个 ΔE 最小值的情况下，可以使用更复杂的方法来选择“最佳”颜色，但它们的成本会更高。

结论

作为最后一个例子，我使用an image of the namesake Parula bird来比较下图中的两种方法。此图像的两个结果完全不同。如果您手动调整rgb2map 以使用更复杂的CIE 1994 色差标准，您将获得另一个渲染。但是，对于与原始parula 颜色图（如上）更接近的图像，两者都应该返回更相似的结果。重要的是，rgb2ind 受益于调用 mex 函数，并且几乎比 rgb2map 快 100 倍，尽管我的代码中进行了一些优化（如果使用 CIE 1994 标准，它大约快 700 倍）。

最后，想要了解更多关于 Matlab 中的颜色图的人，应该阅读 Steve Eddins 的 four-part MathWorks blog post 关于新的parula 颜色图。

2015 年 6 月 20 日更新： 上述rgb2map 代码已更新为使用不同的色彩空间变换，这将其速度提高了近两倍。