我有一张图片，我正在按 RGB（数据采样）挑选颜色。我从图像中具有“相同”颜色的特定区域中选择 N 个点。我所说的“相同”是指图像的那部分属于一个对象（假设是一个黄色对象）。 RGB 案例中的每个选取点都有三个值 [R,G,B]。例如：[120,150,225]。每个字段的最大值和最小值分别为255和0。 假设我从图像中对象的区域中选取了 N 个点。这些点显然具有不同的 RGB 值，但来自同一个系列（特定颜色的渐变）。
问题： 我想为每个 RGB 字段找到一个范围，当我在图像上应用滤色器时，与该特定对象相关的像素仍然存在（被视为内点）。从采样点中找到最大值和最小值并将它们视为过滤范围是否正确？例如R字段的最大值和最小值分别为120,170，是否可以作为应保持的范围。
在我看来，这个想法是不正确的。因为在选择一组采样数据的最大值和最小值时，一些点会超出该范围，并且对象上也会有一些点不适合该范围。
包含更多点作为内点的更好解决方案是什么？
如果有人需要查看收集的数据样本，请告诉我。
【问题讨论】：
我不确定我是否完全掌握了您的要求，但我认为 RGB 过滤不是要走的路。如果要比较相似颜色的像素，则应使用与 RGB 不同的颜色空间。 RGB 非常适合在屏幕上表示颜色，但您实际上希望查看色调、饱和度和强度（亮度或亮度）来分析颜色的可见相似性。
例如，您应该先将像素转换为 HSI 或 HSL 颜色空间，然后比较您获得的不同参数。此时，比较一个色调范围内的结果色调、一个饱和度范围内的饱和度等比较自然。
Go here 了解有关如何与 RGB 相互转换的更多信息。
【讨论】：
这里发生的情况是，您隐含地尝试重新发明颜色索引或直方图反投影。您将其称为滤色器，但最好关注概率而不是颜色和色彩空间。颜色当然不是超级可靠，并且会随着照明而变化（尽管在非彩色照明下色调往往保持不变），这就是为什么某些颜色空间比其他颜色空间更好的原因。您可以单独处理此问题，但您似乎对计算“过滤操作”的原理更感兴趣，该原理将从背景中分割前景对象。希望。
简而言之，直方图反投影的工作原理是首先在对象区域内创建 R、G、B 的直方图，然后按以下方式将它们反投影到图像中。对于图像中的每个像素，在直方图中找到它的 bin，在给定 bin 的总和的情况下计算其相对权重（概率），并将此概率放入图像中。以这种方式，每个像素都有属于该对象的概率。如果您也想对背景进行建模，您可以通过除以背景概率来改进它。
结果会很混乱，但有点像一个对象片段加上一些背景噪音。必须对其进行清理，然后使用单独的方法（例如连接组件、抓取切割、形态学操作、模糊等）重新连接到对象中。
【讨论】：