MATLAB中RGB图像的强度答案

【问题标题】：Intensity in RGB image in MATLABMATLAB中RGB图像的强度
【发布时间】：2013-04-16 15:08:53
【问题描述】：

我有血管的 RGB 图像。为了区分两种血管类型（动脉和静脉），我需要计算圆形 ROI 中 RGB 图像的强度。静脉（V）呈深红色，而动脉呈浅红色。不是计算不同通道（R、G和B）的强度，是否可以计算RGB图像的强度？

我只用以下方式在一个通道（比如绿色通道）中进行了强度计算：

 image=imread('vesselAV.jpg');
 t = 0:pi/20:2*pi;

 xi = R0*cos(t)+x; % where x , y are coordinate of centre of circular roi   
                         % (marked  in image)
yi = R0*sin(t)+y;

g=image(:,:,2);

roimask = poly2mask(double(xi),double(yi), size(g,1),size(g,2));

pr_gc = find(roimask);

Intensity_green_roi_V =(g(pr_gc)); % intensity in roi for vein

类似地，我计算了动脉的 roi 强度....

但是如何计算 RGB 图像中的强度值...?????

谢谢

【问题讨论】：

转换成HSV然后可能只看V通道？

标签： matlab image-processing

【解决方案1】：

本质上，您希望将像素转换为灰度值以获得单一强度。有很多不同的方法，this blog lists three of them 所以我建议你读一下。但是，如果您只是想要一些快速的东西，我会倾向于简单地将整个图像转换为灰度并使用该值：

grayIm = rgb2gray(image);

rgb2gray 函数使用图像的亮度（HSV 中的 V），这是博文中的第三个示例。

【讨论】：

【解决方案2】：

我可能误解了这个问题。如果这个答案被关闭，请原谅我。在像素 i,j，image(i,j,:) 是一个三元素向量，具有三个通道 R、G 和 B 的强度值。如果您不想使用三元素向量，那么 I建议使用 R 强度，因为最大的偏差似乎出现在那里。即使用 image(:,:,1)。

如果您正在寻找 3 维“典型”强度，那么通常会计算感兴趣像素的平均值。

假设mask 是您的感兴趣区域，表示为 1 和 0 的 2D 矩阵，那么这将计算您感兴趣区域的平均 3D 强度：

sum(sum(double(image).*repmat(mask,[1 1 3]),2),1) / sum(reshape(mask,[],1)))

现在，您可以使用此平均强度和一些欧几里德距离指标来确定您的“静脉”定义中是否包含所需的像素。

还有很多其他方法可以解决这个分割问题，但这似乎是您要询问的方法。

【讨论】：