MATLAB中RGB图像的强度

Question

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，动脉呈浅红色。而不是计算不同通道（R，G和B）的强度，是否可以计算RGB图像中的强度？

我只通过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

同样地，我计算了动脉的roi强度......

但是如何计算RGB图像中的强度值...... ?????

由于

Answer 1

基本上，您希望将像素转换为灰度值以获得单一强度。有许多不同的方式，this blog lists three of them所以我建议你阅读。但是，如果你只是想要快速的东西，我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），这是博客文章中的第三个示例。

Answer 2

我可能误解了这个问题。如果这个答案没有，请原谅我。在像素i，j处，图像（i，j，:)是三元素向量，具有三个通道R，G和B的强度值。如果您不想使用3元素向量，那么我建议使用R强度，因为那里出现最大偏差。即使用图像（：，：，1）。

如果您正在寻找三维“典型”强度，那么通常，您可以计算感兴趣像素的平均值。

说，mask是您感兴趣的区域，表示为1和0的2D矩阵，然后这将计算您感兴趣的区域的平均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氏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细分问题，但这似乎是你要问的问题。