Чтобы преобразовать только черный цвет в белый в Matlab

если я правильно вас понимаю, вы хотите извлечь синий график ЭКГ при удалении текста и осей. Лучший способ сделать это - изучить цветовое пространство HSV изображения. Цветовое пространство HSV отлично подходит для различения цветов, как и у людей. Мы можем ясно видеть, что на изображении есть два разных цвета.

мы можем преобразовать изображение в HSV, используя rgb2hsv и мы можем рассмотреть компоненты отдельно. Компонент оттенка представляет доминирующий цвет пикселя, насыщенность обозначает чистоту или количество белого света в пикселе, а значение представляет интенсивность или силу пикселя.

попробуйте визуализировать каждый канал, делая:

im = imread('http://i.stack.imgur.com/cFOSp.png'); %// Read in your image
hsv = rgb2hsv(im);
figure;
subplot(1,3,1); imshow(hsv(:,:,1)); title('Hue');
subplot(1,3,2); imshow(hsv(:,:,2)); title('Saturation');
subplot(1,3,3); imshow(hsv(:,:,3)); title('Value');

Мда... ну оттенок и насыщенность не помогает. Это говорит нам, что доминирующий цвет и насыщение одинаковы... но их отличает то, что стоимостью. Если вы посмотрите на изображение справа, мы сможем различить их по силе самого цвета. Так что это говорит нам о том, что" черные " пиксели на самом деле синие, но почти без силы, связанной с ним.

мы можем использовать это в наших интересах. Любые пиксели, значения которых выше определенного значения, являются значениями, которые мы хотим сохранить.

попробуйте установить порог... что-то вроде 0.75. Динамический диапазон MATLAB HSV значения от [0-1], так:

mask = hsv(:,:,3) > 0.75;

когда мы пороговое значение компонента, это то, что мы получаем:

очевидно, что есть немного шума квантования... особенно вокруг топоров и шрифта. То, что я собираюсь сделать дальше, это выполнить морфологический эрозия так что я могу устранить шум квантования, что вокруг каждого из чисел и осей. Я собираюсь сделать маску немного большой, чтобы убедиться, что я удалю это шум. Использование панели инструментов обработка изображений:

se = strel('square', 5);
mask_erode = imerode(mask, se);

мы получаем это:

отлично, так что я собираюсь сделать сейчас, это сделать копию исходного изображения, а затем установить любой пиксель, который черный от маски, которую я получил (выше) до белого цвета на конечном изображении. Все остальные пиксели должны оставаться нетронутыми. Таким образом, мы можем удалить любой текст и топоры виден на изображении:

im_final = im;
mask_final = repmat(mask_erode, [1 1 3]);
im_final(~mask_final) = 255;

мне нужно скопировать маску в третье измерение, потому что это цветное изображение, и мне нужно установить каждый канал на 255 одновременно в тех же пространственных местоположениях.

когда я это делаю, вот что я получаю:

теперь вы заметите, что есть пробелы в графике.... что следует ожидать из-за шума квантования. Мы можем сделать что-то еще, преобразовав это изображение в оттенки серого и удерживая изображение, а затем заполнив соединение краев морфологическим расширение. Это безопасно, потому что мы уже устранили аксиомы и текст. Затем мы можем использовать это как маску для индексации в исходное изображение для получения нашего окончательного графика.

что-то вроде этого:

im2 = rgb2gray(im_final);
thresh = im2 < 200;
se = strel('line', 10, 90);
im_dilate = imdilate(thresh, se);
mask2 = repmat(im_dilate, [1 1 3]);
im_final_final = 255*ones(size(im), class(im));
im_final_final(mask2) = im(mask2);

Я пороговое предыдущее изображение, которое мы получили без текста и осей после преобразования его в оттенки серого, а затем я выполняю расширение с строка структурирующий элемент, который составляет 90 градусов, чтобы соединить те линии, которые были первоначально разъединенный. Это пороговое изображение будет содержать пиксели, которые мы в конечном счете должны отобрать из исходного изображения, чтобы мы могли получить необходимые данные графика.

затем я беру эту маску, повторить ее, сделать полностью белое изображение, а затем образец из исходного изображения и место расположения мы хотим от исходного изображения в белые изображения.

это наше окончательное изображение:

очень приятно! Я должен был сделать весь этот образ обработка, потому что ваше изображение в основном имеет шум квантования, поэтому будет немного сложнее получить график полностью. Андер Бигури в своем ответе объяснил более подробно о шуме цветового квантования, поэтому, безусловно, ознакомьтесь с его сообщением для получения более подробной информации.

однако, как качественная мера, мы можем вычесть это изображение из исходного изображения и посмотреть, что осталось:

imshow(rgb2gray(abs(double(im) - double(im_final_final))));

получаем:

Так выглядит например, оси и текст удаляются нормально, но на графике есть некоторые следы, которые мы не захватили из исходного изображения, и это имеет смысл. Все это связано с правильными порогами, которые вы хотите выбрать, чтобы получить данные графика. Есть некоторые проблемные места в начале графика, и это, вероятно, связано с морфологической обработкой, которую я сделал. Это изображение, которое вы предоставили, довольно сложно с шумом квантования, поэтому будет очень сложно получить идеальный результат. Кроме того, эти пороги, к сожалению, все эвристические, поэтому играйте с порогами, пока не получите что-то, что согласуется с вами.

удачи!

вот вариация на решение@rayryeng для извлечения синего сигнала:

%// retrieve picture
imgRGB = imread('http://i.stack.imgur.com/cFOSp.png');

%// detect axis lines and labels
imgHSV = rgb2hsv(imgRGB);
BW = (imgHSV(:,:,3) < 1);
BW = imclose(imclose(BW, strel('line',40,0)), strel('line',10,90));

%// clear those masked pixels by setting them to background white color
imgRGB2 = imgRGB;
imgRGB2(repmat(BW,[1 1 3])) = 255;

%// show extracted signal
imshow(imgRGB2)

чтобы получить лучший вид, вот обнаруженная маска, наложенная поверх исходного изображения (я использую imoverlay функция из обмена файлами):

figure
imshow(imoverlay(imgRGB, BW, uint8([255,0,0])))

вот код для этого:

rgbImage = imread('ecg.png');

redChannel = rgbImage(:, :, 1);
greenChannel = rgbImage(:, :, 2);
blueChannel = rgbImage(:, :, 3);

black = ~redChannel&~greenChannel&~blueChannel;

redChannel(black) = 255;
greenChannel(black) = 255;
blueChannel(black) = 255;

rgbImageOut = cat(3, redChannel, greenChannel, blueChannel);

imshow(rgbImageOut);

black область, содержащая черные пиксели. Эти пиксели имеют значение белого цвета в каждом цветовом канале.

в вашем коде вы используете порог и изображение в оттенках серого, поэтому, конечно, у вас есть гораздо большая площадь пикселей, которая установлена на белый resp. красный цвет. В этом коде только пиксель, который не содержит абсолютно никакого красного, зеленого и синего, установлен на белый.

следующий код делает то же самое с порогом для каждого цвета канал:

rgbImage = imread('ecg.png');

redChannel = rgbImage(:, :, 1);
greenChannel = rgbImage(:, :, 2);
blueChannel = rgbImage(:, :, 3);

black = (redChannel<150)&(greenChannel<150)&(blueChannel<150);

redChannel(black) = 255;
greenChannel(black) = 255;
blueChannel(black) = 255;

rgbImageOut = cat(3, redChannel, greenChannel, blueChannel);

imshow(rgbImageOut);