Измерение разницы цвета от ROI в изображении с использованием разницы цвета DeltaE

Question

1. Мне нужно прочитать одно изображение RGB
2. , затем мне нужно выбрать ROI
3. После этого мне нужно измерить разницу в цвете ROI для всего изображения, используя простая цветовая сегментация (без использования изображения HSV, меня просят преобразовать RGB в лабораторное изображение)
4. будет вывод, область интереса будет выделена, а фон будет серым.
5. простая цветовая сегментация с Разница в цвете deltaE необходима при использовании python.
6. после сегментации цвета в маске может быть несколько объектов.

7. тогда я получаю указание проанализировать глубину ROI и сегментируйте ROI в соответствии со значением глубины ROI. Но здесь невозможно получить дельту по всему изображению. пожалуйста, помогите, мне это очень нужно.

   У меня есть это изображение для работы, отсюда мне нужно сегментировать часть жеста рукой: [введите описание изображения здесь] [1]

   [1 ]: https://i.stack.imgur.com/nGA42.jpg

   Я закодировал это далеко: '' ''

   # Open image and make Numpy arrays 'rgb' and 'lab'
   pic = imageio.imread('E:\JU_V2_DIGIT\RGB_Crop\RGB_P7_G0_8.png')
   pic2 = pic.copy()
   # Determine the shape of the image
   total_row, total_col, layers = pic2.shape
   mask= np.zeros_like(pic2)
   x,y = np.ogrid[:total_row, :total_col]
   # Transform in lab picture
   Lab_pic = color.rgb2lab(pic)
   L_pic, A_pic, B_pic = cv2.split(Lab_pic)
   
   
   cv2.imshow("L_Channel", L_pic)  # For L Channel
   cv2.imshow("A_Channel", A_pic)  # For A Channel
   cv2.imshow("B_Channel", B_pic)  # For B Channel
   
   cen_x, cen_y = total_row/2, total_col/2
   distance_from_center = np.sqrt((x-cen_x+10)**2+(y-cen_y-15)**2)
   radius = (total_row/3)
   circular_pic = distance_from_center>radius
   pic2[circular_pic] = 0
   pic2[mask] = 0
   #cv2.imwrite('D:\SHROUTI\Testpictures\opencvmasking_human.jpg',dst)
   cv2.imshow("cir_mask",pic2)
   Lab = color.rgb2lab(pic2)
   
   #getting mean value for the mask region
   L_mask,A_mask,B_mask = cv2.split(Lab)
   
   cv2.imshow("L_Channel_mask", L_mask)  # For L Channel
   cv2.imshow("A_Channel_mask", A_mask)  # For A Channel
   cv2.imshow("B_Channel_mask", B_mask)  # For B Channel
   
   LMean = L_mask.mean()
   AMean = A_mask.mean()
   BMean = B_mask.mean()
   
   
   # getting delta values
   DeltaL = L_pic-LMean
   DeltaA = A_pic- AMean
   DeltaB = B_pic - BMean
   
   DeltaE = np.sqrt(pow(DeltaA,2)+pow(DeltaB,2)+pow(DeltaL,2))
   print(DeltaE)
   cv2.imshow("deltaE",DeltaE)
   cv2.waitKey()
   

   '' 'Показывает полное выходное изображение белого цвета. Я не понимаю, что делать. Пожалуйста, помогите

Answer 1

Ваш DeltaE отображается белым, потому что вы поместили массив float64 со значениями ниже 230 в cv2.imshow ()

Он ожидает, что все значения будут в пределах [0,1]. В вашем случае каждое значение> = 1 становится 255, и поэтому ваше выходное изображение полностью белое.

normalized = cv2.normalize(DeltaE, None, 0, 1, cv2.NORM_MINMAX)

или

normalized = cv2.normalize(DeltaE, None, 0, 255, cv2.NORM_MINMAX, dtype = cv2.CV_8U)

, чтобы получить нормализованную версию DeltaE, которую вы можете отобразить без проблем.

Решение этой проблемы можно найти, нажав на первую ссылку Google на «imshow white», кстати.

Я не понимаю, почему вы используете для этого три разные библиотеки обработки изображений.

OpenCV покрывает все ваши потребности.

замените pic = imageio.imread('E:\JU_V2_DIGIT\RGB_Crop\RGB_P7_G0_8.png') на

pic = cv2.imread('E:\JU_V2_DIGIT\RGB_Crop\RGB_P7_G0_8.png')

Lab_pic = color.rgb2lab(pic)

на

Lab = cv2.cvtColor(pic2, cv2.COLOR_BGR2Lab)

и так далее ...

Не нужно рисковать странными вещами, потому что одна библиотека работает в BRG, а другая в RGB или что-то еще. На тот случай, если вам интересно, почему ваше изображение RGB выглядит так странно.