我一直在尝试这样做：
http://prntscr.com/umv66 - ＆gt; http://goo.gl/Bgmv2（你可以忽略红线，我只是添加它们来说明最终目标）
所以，我在第一个案例中所做的是：使用MatLab，我转换了rgb - ＆gt; hsv并选择了s频道（a.k.a饱和度）。然后我使用Otsu（在matlab中称为graythresh）来二值化并转换成黑白图片。一切都很完美。
现在，在第二种情况下，这不能很好地运作：
Base img（http://goo.gl/OtK4G） - ＆gt; S频道（http://goo.gl/oo8h6） - ＆gt; Otsu（http://goo.gl/cnfxU）
如您所见，在这种情况下，Otsu过滤器变得无用。我应该采取任何解决方法或其他方式吗？提前谢谢！
答案 0 :(得分：1)
您可以使用k-means执行图像量化。因此，您知道必须将图像二值化，使黄色阴影变为白色，其他一切变为黑色。因此，将您的图像划分为适当数量的聚类（4可能有效）。 2为黄色阴影，2为其他阴影。不要忘记预定义初始质心。在此之后，您可以说，标记为黄色质心的像素被重新标记为一个。这可能有用。
k-means颜色量化过程的细节：
1.首先在nx3矩阵中收集图像中的所有像素。然后使用k-means将nx3矩阵分成3或4个簇。
2.在将其潜入4个星团之前，预定义质心。您可以通过阅读MATLAB kmeans算法here的文档来完成此操作。您必须设置的参数是kmeans的'options'字段中的'start'。
因此，黄色（以及与其“接近”的其他颜色）应落入预定义的簇中。 （因此，如果您将群集1和2定义为黄色，则应将所有黄色像素标记为1或2.其他像素将标记为3或4.）
4.现在，将图像转换为二进制，使得落入黄色簇的像素（即本例中的簇1和2）应为1，其他为零。
有关预定义集群的更多详细信息：
来自kmeans文档：
可以在start kmeans参数中将起始质心定义为质心起始位置的k-by-p矩阵。在您的情况下，它将是黄色的RGB值。查看图像中存在的黄色的几个像素值。如果它们有太多偏差，则为它们定义两个簇，否则为一个簇。如果您定义了两个，则start参数将具有2x3矩阵。您应该始终记住，centroid中的列数将等于数据中的列数。
我希望这会让这个过程更加清晰。如果您有任何错误，请发布您的代码。