Ich mache einige Bildverarbeitungen, und während ich denke, dass ich eine ziemlich gute Vorstellung von meinem Ansatz habe, habe ich nicht viel Glück dabei herauszufinden, welche Bibliothek (en) ich dafür speziell in R verwenden sollte.
Ich habe eine große Datenbank mit ähnlichen Bildern, von denen jedes eine willkürliche Anzahl von verschieden großen farbigen Flecken auf einem weißlichen Hintergrund hat. Ich möchte schließlich die Rot-, Grün- und Blauwerte finden und die durchschnittliche RGB-Helligkeit über alle farbigen Pixel in allen Bildern eines bestimmten Datums berechnen. Das bedeutet, farbige Pixel von nahezu weißen Pixeln unterscheiden zu können und deren Werte zu speichern.
Ich denke, was ich tun möchte, ist Farbhistogramme für eine Reihe von Testbildern zu erstellen, sehen Sie sich die Histogramme an. Spitzen, um Schwellenwerte für das zu bestimmen, was ein "weißes" oder "farbiges" Pixel ausmacht, dann über die Pixel in jedem Bild, um die farbigen zu finden, die meinen Schwellen entsprechen (ich weiß, wie man ein Bild einliest und das Pixel erhält RGB-Werte).
In meiner bevorzugten Sprache, Python, klingt es so, als würde ich die Histogramm-Methode aus dem Image-Modul in PIL verwenden, aber ich kenne das R-Äquivalent nicht (das könnte nur ein Schwachpunkt in meinem Google-Fu sein; Suchresultate sind meistens für "R" wie in "Rot" anstatt der Sprache. Ich fand das: R: Histogramm , aber ich weiß nicht, ob es relevant ist / wie man es benutzt).
Wenn es einen besseren Ansatz aus der Domäne der Signal- / Bildverarbeitung geben könnte, würde ich das auch gerne hören.
TL; DR: Wie kann ich ein Farbhistogramm eines Bildes erstellen oder auf andere Weise Pixel bestimmter Farbwerte mit R?
auswählen(verwandt, aber nicht R-spezifisch: Wie berechnet man die Anzahl der "grünen Flecken" in einem Bild? )
Es gibt auch eine R-Schnittstelle zu ImageJ (die ich einmal in der Vergangenheit benutzt habe, es ist eine ausgezeichnete Bildklassifizierungssoftware, geschrieben in Java) über die Bio7 Paket .
Weitere Links für weitere Informationen:
Tags und Links r image image-processing computer-vision colors