图像中颜色的二值化

Question

我正在从基于像素的线图中提取图元，并希望按颜色进行选择。因此，在下面的代码中

​

​

我希望提取“蓝色”、“绿色”和“黑色”原语。(我准备尝试重建已被另一种颜色的图元分割的图元)。

然而，“蓝调”添加了不同数量的白色(类似于黑色的灰度)。因此，最常见的颜色(为简单起见，舍入为12位)及其计数可能是

000   881 // black
88f   1089 // white-blue
fff   70475 // white

但在较低的频率下还有其他白度。

// other white-blue 
99f   207

// other grey
ddd   196

我相信作者在许多图表中只使用了非常有限的纯颜色(例如3-6色)，并且各种渲染工具都添加了白色。颜色可以用(0 =< x =< 1)来表示。

000 + x(FFF)
00F + x(FF0) // blue
0F0 + x(F0F) // green

然而，没有要求使用原色，并且集合可以是具有任意数量的白色的任何颜色。

我如何重建不同颜色的(小)集合？如果这是可能的，然后我可以选择这些区域，转换为灰色，并以正常的方式二值化。

我更喜欢用Java编写源代码，但我怀疑任何代码都足够了；

我已经读了两个有用的问题。

"Rounding" colour values to the nearest of a small set of colours

HCL color to RGB and backward

它们使用H-C-L，可能是前进的方向，尽管它们不能直接满足我的需求。

Answer 1

您可以尝试使用region growing。我认为它应该能很好地满足你的需要。当颜色相同时，只需更改阈值即可。我认为它在这里应该工作得很好，因为任何两种连接为物体的颜色之间似乎都有很大的区别。

Answer 2

如果你的直觉是正确的(所有像素都是某种颜色和纯白色的线性混合)，在RGB立方体中，所有颜色都将在源自白色角落的线段上对齐。

如果您为每种不同的颜色选择一个代表性像素(为了更好的准确性，请尽可能远离白色)，则可以通过查找由此像素、白色和代表性像素形成的最佳对齐来识别任何其他像素的颜色。

通过计算形成的角度的余弦来测试对齐(使用3D向量，余弦是范数乘积的点积；去掉符号)。理论上，余弦应该恰好是1，但由于数值误差，它可以更小，所以只需考虑最大化余弦的代表性颜色。

要特别注意白色像素(离白色角很近)，否则它们将被随机分配到一些有代表性的颜色。

Answer 3

根据涉及的颜色数量及其相似性，R、G和B值的简单阈值将很快将所有颜色减少到8种颜色之一(黑色、红色、绿色、蓝色、青色、洋红色、黄色或白色)。