Question

我想quantifying colors in an image。我研究珍珠母（珍珠母）的彩虹色，我想在这个壳上量化三种颜色（红色，黄色和绿色）（例如在上面链接的右图上）。

Iridescence of nacre

所以，我测试了一些软件包（imager，ImageMagick，EBImage ...），但我找不到能帮到我的东西。

嗯，我想在R上用圆圈进行颜色量化。像素中的图元的区域可以表示为等效表面区域的圆的区域。基元是相似颜色的相邻像素的连续区域。圆的中心可以是锚像素。所以，有一个等式，我认为可以这样做：

DeltaI =平方根[（Ranchor - Ri）² - （Ganchor - Gi）² - （Banchor - 毕）²]

其中R，G和B是像素的颜色分量，范围从0到255，锚是锚像素，i是锚像素周围的任何像素，它们是相同的等效颜色。

指向期望结果的图像链接（来自Alçiçek & Balaban 2012）：

Shrimp resulting equivalent circles

所以有我的（可启动的）代码，但我真的不知道如何继续..可能会尝试创建一个包吗？

library(png)
nacre <-  readPNG("test.png")
nacre

dim(nacre)

# show the full RGB image
grid.raster(nacre)

# show the 3 channels in separate images
nacre.R = nacre
nacre.G = nacre
nacre.B = nacre

# zero out the non-contributing channels for each image copy
nacre.R[,,2:3] = 0
nacre.G[,,1]=0
nacre.G[,,3]=0
nacre.B[,,1:2]=0

# build the image grid
img1 = rasterGrob(nacre.R)
img2 = rasterGrob(nacre.G)
img3 = rasterGrob(nacre.B)
grid.arrange(img1, img2, img3, nrow=1)
# Now let’s segment this image. First, we need to reshape the array into a data frame with one row for each pixel and three columns for the RGB channels:


# reshape image into a data frame
df = data.frame(
red = matrix(nacre[,,1], ncol=1),
green = matrix(nacre[,,2], ncol=1),
blue = matrix(nacre[,,3], ncol=1)
  )


### compute the k-means clustering
K = kmeans(df,4)
df$label = K$cluster

### Replace the color of each pixel in the image with the mean 
### R,G, and B values of the cluster in which the pixel resides:

# get the coloring
colors = data.frame(
  label = 1:nrow(K$centers), 
  R = K$centers[,"red"],
  G = K$centers[,"green"],
  B = K$centers[,"blue"]
)

# merge color codes on to df
df$order = 1:nrow(df)
df = merge(df, colors)
df = df[order(df$order),]
df$order = NULL

# get mean color channel values for each row of the df.
R = matrix(df$R, nrow=dim(nacre)[1])
G = matrix(df$G, nrow=dim(nacre)[1])
B = matrix(df$B, nrow=dim(nacre)[1])

# reconstitute the segmented image in the same shape as the input image
nacre.segmented = array(dim=dim(nacre))
nacre.segmented[,,1] = R
nacre.segmented[,,2] = G
nacre.segmented[,,3] = B

# View the result
grid.raster(nacre.segmented)

有人有想法或任何想法吗？谢谢你的帮助..

Answer 1

我已找到另一种方式来回答我的问题：

我使用load.image包中的imager上传了我的图片。

我使用以下代码提取RGB通道：

# Assign RGB channels to data frame
nacreRGB <- data.frame(
x = rep(1:nacreDm[2], each = nacreDm[1]),
y = rep(nacreDm[1]:1, nacreDm[2]),
R = as.vector(nacre[,,1]),
G = as.vector(nacre[,,2]),
B = as.vector(nacre[,,3])
)
# head(nacreRGB)

# Assign RGB channels to data frame without pixel coordinates
nacreRGB2 <- data.frame(
R = as.vector(nacre[,,1]),
G = as.vector(nacre[,,2]),
B = as.vector(nacre[,,3])

我将其转换为具有rgbSVG2rgbCSS功能的HEX代码。
我把它放到一个矩阵中，我称之为RGB0来创建直方图，并用像素频率显示不同的颜色。

执行PCA以显示这些颜色的分布后：

require("ggplot2")
RGB0 <- as.data.frame(RGB0)

# perform PCA on the nacre data and add the uv coordinates to the 
dataframe
PCA = prcomp(RGB0[,c("R","G","B")], center=TRUE, scale=TRUE)
RGB0$u = PCA$x[,1]
RGB0$v = PCA$x[,2]

我使用ggplot2显示此PCA。
在此之后我将RGB代码翻译成HSV代码rgb2hsv，我可以得到色调的值，饱和度（色调为白色）和值（色调为暗色），这样我就可以获得质量和关于颜色的数量数据。

编辑：所有代码现在都在ImaginR包中发布到CRAN： https://cran.r-project.org/web/packages/ImaginR/ImaginR.pdf

或者在GitHub上： https://github.com/PLStenger/ImaginR

这个版本并没有真正量化颜色，但很快就会出现在下一个版本中。

R中图像的颜色提取，量化和分析

1 个答案: