R中图像的颜色提取、量化与分析

Question

我想要quantifying colors in an image。我研究珍珠(珍珠之母)的彩虹色，我想量化这个外壳上的三种颜色(红色、黄色和绿色)(例如，在上面链接的正确图片上)。

珍珠层彩虹

所以，我测试了一些包(imager，ImageMagick，EBImage.)，但是我并没有真正找到帮助我的东西。

嗯，，我想用圆圈在R上做颜色量化。以像素表示的原语​​的面积可以表示为等效表面积圆的面积。原语是一个相邻像素的相邻区域，颜色相似。圆的中心可以是锚像素。所以，有一个等式，我认为这样做是可以的：

DeltaI =平方根(R锚-Ri)2-(G锚-Gi)2- (Banchor -Bi)2

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

有一个指向预期结果的图像链接(来自Al ek& Balaban 2012)：

对虾产生等效圆

这是我的(可引导工作的)代码，但我真的不知道如何继续。可以尝试创建一个包吗？

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)

有人有赛道或者有什么想法吗？谢谢你的帮助..。

Answer 1

我找到了另一种方法来回答我的问题：

• 我用load.image从imager包上传我的照片。
• 我使用以下代码提取RGB通道:将RGB通道分配给数据帧nacreRGB <- data.frame( x= rep(1:nacreDm2，每条= nacreDm1)，y= rep(nacreDm1:1，nacreDm2)，R=as.vector(珍珠,1)，G=as.vector(珍珠,2)，B=as.vector(珍珠,3) # head(nacreRGB) #head(NacreRGB)#将RGB通道分配给没有像素坐标nacreRGB2 <- data.frame( R=as.vector(nacreDm2，1))、G=as.vector(as.vector)的数据帧。,2)，B=as.vector(珍珠层,3)
• 在我用rgbSVG2rgbCSS字体把它转换成HEX代码之后。
• 我把它放入一个矩阵中，我称之为RGB0来创建直方图，并用像素频率显示不同的颜色。
• 在执行PCA以显示这些颜色的分布之后： 要求(“ggplot2”) RGB0 <- as.data.frame(RGB0) #对珍珠层数据执行PCA，并将uv坐标添加到dataframe = prcomp(RGB0，c("R"，"G"，"B")，center=TRUE，scale=TRUE) RGB0 0$u= PCA$x,1 RGB0 0$v= PCA$x,2
• 我用ggplot2展示了这个PCA。
• 在此之后，我用rgb2hsv将RGB代码转换为HSV代码，我可以有一个值表示色调、饱和度(色调到白色)和值(色调到黑暗)，这样我就可以获得关于颜色的质量和数量数据。

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

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

这个版本没有真正量化颜色，但它很快就会出现在下一个版本中。