Question

我是Matlab和图像处理的新手。我正在努力分离像这样的图像中的背景和前景

passport image blue background

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）：红色层总是小于150，绿色和蓝色层大于150，背景是。

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，绿色和蓝色的坐标，其值大于或小于150，我可以得到背景的坐标，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中获得了数千个像素的坐标。

我的问题：

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。但那将是非常昂贵的。 这可以在没有循环的情况下实现吗？
如果我想出了[commonR commonC]和commonR以及commonC这两个共同点，那么它们都是5000 X 1的顺序，所以要访问Image的这个背景像素I，我必须先访问commonR然后commonC，然后访问图片I，如

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

也很贵。所以我的问题是，这可以在没有循环的情况下完成。

任何帮助都将不胜感激。

我通过@Science_Fiction回答

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);

enter image description here

修改

我又看了一眼，也使用了你链接的其他图片。考虑到背景颜色的差异，我认为从图像直方图中获取阈值而不是硬编码会得到更好的结果。

有时，这种算法有点严格，例如与背景一起擦除部分衣服。但我认为超过90％的图像分离得相当好，这比你希望用固定阈值实现的图像更强大。

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;

<强>结果：

enter image description here

Answer 2

你的方法看似基本但体面。因为对于这个特定的图像，背景主要由蓝色组成，所以你是粗糙的，并做：

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

这将为＆gt;设置那些评估为真的像素。 150到0，false到1.你会有一个黑白图像。

imshow(mask);

添加颜色

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

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

应该为您提供有希望的脸部彩色图像，纯白色背景。所有这些都需要一些试验和错误。

分离背景和前景

2 个答案:

修改