词云之matlab实现复杂数字图像背景剔除

超、凢脫俗 2022-03-25 15:58 1628阅读 0赞

为了制作各种好看的词云标签，一张好的背景图片寻找起来并不容易，例如本文所使用的"汗血宝马"的图片，背景不是我所需要的，如何实现对图像的有效分割？去除背景噪声是本文关注的重点。本文拟采用matlab来实现这个简易的功能。  
**1.本文将对马进行测试**：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70]  
**2.数字图像背景去除最好的方式有以下几种：**  
a.PhontoShop,使用选择工具即可；  
b.最简单的阈值分割理论;(本文的方法),C++,matlab,python都有实现的包可以供调用。  
c.背景差分算法;

**3.数字图像阈值分割处理的一般化流程**

…1.直接读入图片后,做二值化处理,根据数据游标的取值做初步的分割考察，或者使用imhist绘制图像的像素分布直方图来确定分割像素值;  
…2.如果直接阈值分割不行,那可以考虑变换颜色空间来看是否便于基于颜色做图像分割;  
…3.在变换了颜色空间的图像上,通过数据游标直接选定大致的阈值,后续再手动改进;  
…4.分割后的图像常常会有孔洞,此时需要多次使用形态学方法(进行形态学处理：腐蚀和膨胀)来做孔洞填充;  
…5.图像拼接的话需要imresize()成相同大小的图片;  
…6.知识迁移到人脸识别应用中来,可以框出人脸位置区域(人脸正面照效果较好)

**4.分割马的图像并框选出来马**

%function:
    %       基于颜色的图像分割;
    %       定位图片中的马的区域;
    %procession:
    %       1.直接读入图片后,做二值化处理,根据数据游标的取值做初步的分割考察;
    %       2.如果直接阈值分割不行,那需要考虑变换颜色空间来看是否便于图像分割;
    %       3.在变换了颜色空间的图像上,通过数据游标直接选定大致的阈值,后续再手动改进;
    %       4.分割后的图像常常会有孔洞,此时需要多次使用形态学方法(进行形态学处理：腐蚀和膨胀)来做孔洞填充;
    %       5.图像拼接的话需要imresize()成相同大小的图片;
    %       6.知识迁移到人脸识别应用中来,可以框出人脸位置区域(适用于人脸正面照)
    
    
    clear  all;
    clc;
    close all;
    %开始计时
    tic
    %输入需要识别的图像
    [filename,pathname,fi]=uigetfile(...
                        {'*.*', 'all image file (*.*)';...
                         '*.bmp','all image file (*.bmp)';...
                         '*.jpg','all image file (*.jpg)'},...
                         '请选择要识别的图片',...
                         'MultiSelect', 'on');
    RGB=imread([pathname filename]); %界面手动选择读入方式
    %RGB = imread('D:\Program Files\MATLAB\workspace\timg1.jpg'); %直接路径传入读取方式
    
    figure('name','process'),
    subplot(2,2,1),imshow(RGB),title('原始RGB'),
    
    %convert frame from RGB to YCBCR colorspace（转换到YCBCR空间）
    YCBCR = rgb2ycbcr(RGB);
    whos,
    subplot(2,2,2),imshow(YCBCR),title('YCBCR'),
    %filter YCBCR image between values and store filtered image to threshold
    %matrix（用各个通道的阈值对其进行二值化处理）
    %% 通过数据游标直接选定大致的阈值,后续再手动改进
    %Y_MIN = 40;  Y_MAX = 160;
    %Cb_MIN = 80;   Cb_MAX = 120;
    %Cr_MIN = 138;   Cr_MAX = 195;
    Y_MIN = 30;  Y_MAX = 215; %到255也可以
    Cb_MIN = 65;   Cb_MAX = 135;
    Cr_MIN = 138;   Cr_MAX = 195; %已经是最佳,否则会引入背景噪声.
    threshold1=roicolor(YCBCR(:,:,1),Y_MIN,Y_MAX)&roicolor(YCBCR(:,:,2),Cb_MIN,Cb_MAX)&roicolor(YCBCR(:,:,3),Cr_MIN,Cr_MAX);
    subplot(2,2,3),imshow(threshold1),title('YCBCR二值化'),
    
    %perform morphological operations on thresholded image to eliminate noise
    %and emphasize the filtered object(s)（进行形态学处理：腐蚀、膨胀、孔洞填充）
    dilateElement=strel('square',13) ;
    threshold=imdilate(threshold1, dilateElement);
    erodeElement = strel('square', 4) ;
    threshold = imerode(threshold,erodeElement);
    erodeElement = strel('square', 3) ;
    threshold = imerode(threshold,erodeElement);
    erodeElement = strel('square', 2) ;
    threshold = imerode(threshold,erodeElement);
    threshold=imfill(threshold,'holes');
    subplot(2,2,4),imshow(threshold),title('形态学处理');
    % matlab多行注释
    %{
        erodeElement = strel('square', 2) ;
        dilateElement=strel('square',4) ;
        threshold = imerode(threshold,erodeElement);
        threshold = imerode(threshold,erodeElement);
        threshold=imdilate(threshold, dilateElement);
        threshold=imdilate(threshold, dilateElement);
        threshold=imfill(threshold,'holes');
        subplot(2,2,4),imshow(threshold),title('形态学处理'),
     %}
    
    %获取区域的'basic'属性， 'Area', 'Centroid', and 'BoundingBox' 
    figure('name','处理结果'),
    stats = regionprops(threshold, 'basic');
    [C,area_index]=max([stats.Area]);
    %定位马的区域
    face_locate=[stats(area_index).Centroid(1),stats(area_index).Centroid(2)];
    imshow(RGB);title('after'),hold on
    text(face_locate(1),face_locate(2)-40,  'face','color','red');
    plot(face_locate(1),face_locate(2), 'b*');
    rectangle('Position',[stats(area_index).BoundingBox],'LineWidth',2,'LineStyle','--','EdgeColor','r'),
    hold off 
    
    %将五张图片拼接成一张完整的图像
    RGB= imresize(RGB ,[1800 2307],'nearest')  % 'nearest'最近邻插值（默认）,'bilinear'双线性插值,'bicubic'双三次插值
    YCBCR= imresize(YCBCR ,[1800 2307],'nearest')  % 'nearest'最近邻插值（默认）,'bilinear'双线性插值,'bicubic'双三次插值
    threshold1= imresize(threshold1 ,[1800 2307],'nearest') 
    threshold= imresize(threshold ,[1800 2307],'nearest') 
    figure
    imshow([RGB,YCBCR]) %面向对象的思想,将对象也当做最特殊的元素
    figure
    imshow([threshold1,threshold]) 
    t=toc

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 1]![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 2]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 3]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 4]![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 5]将马匹抠图抠出来

[filename,pathname,fi]=uigetfile(...
                        {'*.*', 'all image file (*.*)';...
                         '*.bmp','all image file (*.bmp)';...
                         '*.jpg','all image file (*.jpg)'},...
                         '请选择要识别的图片',...
                         'MultiSelect', 'on');
    in_image=imread([pathname filename]);
    figure(1);imshow(in_image);title('原始图像');%显示原始图像
    imshow(in_image(:,:,3));
     BW = im2bw(in_image(:,:,3),0.46); %将图片转为二值图片
     se = strel('disk',1)
     figure(2);imshow(BW);title('去除背景');
     %se=[0 0 0 0 0;0 0 0 0 0;0 0 1 0 0;0 0 0 0 0;0 0 0 0 0]
     %BW = imdilate(BW,se);%imerode
     %figure;imshow(BW);title('去除背景');
     se1=strel('disk',1);%这里是创建一个半径为4的平坦型圆盘结构元素
     BW=imerode(BW,se1);
     figure;imshow(BW); 
     in_image(repmat(BW,[1,1,3])) = 0;
     figure(3);imshow(in_image);title('去除背景');

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 6]![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 7]![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 8]6.孔洞问题解决  
尽管上述代码好像已经可以实现将马匹分割出来，但是孔洞的存在，依然极大的影响了图像的美观！故对上述代码再做些需改进，以达到填补孔洞的目的。

%输入需要识别的图像
    [filename,pathname,fi]=uigetfile(...
                        {'*.*', 'all image file (*.*)';...
                         '*.bmp','all image file (*.bmp)';...
                         '*.jpg','all image file (*.jpg)'},...
                         '请选择要识别的图片',...
                         'MultiSelect', 'on');
    in_image=imread([pathname filename]);
    figure(1);imshow(in_image);title('原始图像1');%显示原始图像
    imshow(in_image(:,:,3));
    BW = im2bw(in_image(:,:,3),0.46); %将图片转为二值图片
    se = strel('disk',2)
    figure(2);imshow(BW);title('去除背景1');
    se1=strel('disk',7);%这里是创建一个半径为7的平坦型圆盘结构元素,合理调节strel()参数和  使用腐蚀和膨胀的次数就可以很好地进行孔洞的填充。
    BW=imerode(BW,se1);
    se1=strel('disk',1);
    BW=imerode(BW,se1);
    BW = imdilate(BW,se);%imerode
    figure;imshow(BW); 
    in_image(repmat(BW,[1,1,3])) = 0;
    figure(3);imshow(in_image);title('去除背景2');

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 9]![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 10]  
马对象内部白色不是我们想要的，所以使用腐蚀腐蚀掉黑色区域中的白色像素,效果如下所示:  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 11]![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 12]  
在不对黑色区域做处理的情况下，获得的马的分割后的图像：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 13]显然马对象太胖了，应该减肥还原，使用膨胀操作，收缩黑色区域。

黑色区域"膨胀"前:  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 14]  
黑色区域"膨胀"后:  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 15]![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 16]  
还有些不够完美的地方，尾巴的处理跟PS的效果差不多。  
使用PS的“快速选择工具”的PS效果图如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 17]  
6.知识迁移到单个人脸框选

clear  all;
    clc;
    close all;
    %开始计时
    tic
    %输入需要识别的图像
    [filename,pathname,fi]=uigetfile(...
                        {'*.*', 'all image file (*.*)';...
                         '*.bmp','all image file (*.bmp)';...
                         '*.jpg','all image file (*.jpg)'},...
                         '请选择要识别的图片',...
                         'MultiSelect', 'on');
    RGB=imread([pathname filename]); %界面手动选择读入方式
    %RGB = imread('D:\Program Files\MATLAB\workspace\timg1.jpg'); %直接路径传入读取方式
    
    figure('name','process'),
    subplot(2,2,1),imshow(RGB),title('原始RGB'),
    
    %convert frame from RGB to YCBCR colorspace（转换到YCBCR空间）
    YCBCR = rgb2ycbcr(RGB);
    whos,
    subplot(2,2,2),imshow(YCBCR),title('YCBCR'),
    %filter YCBCR image between values and store filtered image to threshold
    %matrix（用各个通道的阈值对其进行二值化处理）
    %% 通过数据游标直接选定大致的阈值,后续再手动改进
    %Y_MIN = 40;  Y_MAX = 160;
    %Cb_MIN = 80;   Cb_MAX = 120;
    %Cr_MIN = 138;   Cr_MAX = 195;
    Y_MIN =20;  Y_MAX = 160; 
    Cb_MIN = 100;   Cb_MAX = 150;
    Cr_MIN = 110;   Cr_MAX = 170; %已经是最佳,否则会引入背景噪声.
    threshold1=roicolor(YCBCR(:,:,1),Y_MIN,Y_MAX)&roicolor(YCBCR(:,:,2),Cb_MIN,Cb_MAX)&roicolor(YCBCR(:,:,3),Cr_MIN,Cr_MAX);
    subplot(2,2,3),imshow(threshold1),title('YCBCR二值化'),
    
    %perform morphological operations on thresholded image to eliminate noise
    %and emphasize the filtered object(s)（进行形态学处理：腐蚀、膨胀、孔洞填充）
    dilateElement=strel('square',13) ;
    threshold=imdilate(threshold1, dilateElement);
    erodeElement = strel('square', 4) ;
    threshold = imerode(threshold,erodeElement);
    erodeElement = strel('square', 3) ;
    threshold = imerode(threshold,erodeElement);
    erodeElement = strel('square', 2) ;
    threshold = imerode(threshold,erodeElement);
    threshold=imfill(threshold,'holes');
    subplot(2,2,4),imshow(threshold),title('形态学处理');
    % matlab多行注释
    %{
        erodeElement = strel('square', 3) ;
        dilateElement=strel('square', 8) ;
        threshold = imerode(threshold,erodeElement);
        threshold = imerode(threshold,erodeElement);
        threshold=imdilate(threshold, dilateElement);
        threshold=imdilate(threshold, dilateElement);
        threshold=imfill(threshold,'holes');
        subplot(2,2,4),imshow(threshold),title('形态学处理'),
     %}
    
    %获取区域的'basic'属性， 'Area', 'Centroid', and 'BoundingBox' 
    figure('name','处理结果'),
    stats = regionprops(threshold, 'basic');
    [C,area_index]=max([stats.Area]);
    %定位马的区域
    face_locate=[stats(area_index).Centroid(1),stats(area_index).Centroid(2)];
    imshow(RGB);title('after'),hold on
    text(face_locate(1),face_locate(2)-40,  '脸部','color','red');
    plot(face_locate(1),face_locate(2), 'b*');
    rectangle('Position',[stats(area_index).BoundingBox],'LineWidth',2,'LineStyle','--','EdgeColor','r'),
    hold off

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 18]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 19]  
7.代码汇总  
如果你感觉粘贴代码不方便，建议：右键>“查看元素”>找到这一段的标签。  
再右键>“查看源代码”>ctrl+F>找到标签，即可准确方便的复制到源代码的内容。

%初始化
    clc;clear all;
    close all;
    %开始计时
    tic
    %输入需要识别的图像
    [filename,pathname,fi]=uigetfile(...
                        {'*.*', 'all image file (*.*)';...
                         '*.bmp','all image file (*.bmp)';...
                         '*.jpg','all image file (*.jpg)'},...
                         '请选择要识别的图片',...
                         'MultiSelect', 'on');
    in_image=imread([pathname filename]);
    figure(1);imshow(in_image);title('原始图像1');%显示原始图像
    imshow(in_image(:,:,3));
    BW = im2bw(in_image(:,:,3),0.46); %将图片转为二值图片
    figure(2);imshow(BW);title('去除背景1');
    %实现对马的全阈值分割操作,将马从背景图片中完全分离
    se1=strel('disk',7);%这里是创建一个半径为7的平坦型圆盘结构元素,合理调节strel()参数和使用腐蚀和膨胀的次数就可以很好地进行孔洞的填充。
    BW=imerode(BW,se1);
    figure;imshow(BW); 
    se1=strel('disk',1);
    BW=imerode(BW,se1);
    figure;imshow(BW); 
    se = strel('disk',9)
    BW = imdilate(BW,se);%imerode
    figure;imshow(BW); 
    in_image(repmat(BW,[1,1,3])) = 0;
    figure(3);imshow(in_image);title('去除背景2');
    t=toc
    
    
    %function:
    %       基于颜色的图像分割;
    %       定位图片中的马的区域;
    %procession:
    %       1.直接读入图片后,做二值化处理,根据数据游标的取值做初步的分割考察;
    %       2.如果直接阈值分割不行,那需要考虑变换颜色空间来看是否便于图像分割;
    %       3.在变换了颜色空间的图像上,通过数据游标直接选定大致的阈值,后续再手动改进;
    %       4.分割后的图像常常会有孔洞,此时需要多次使用形态学方法(进行形态学处理：腐蚀、
    %          膨胀、孔洞填充)来做孔洞填充;
    %       5.图像拼接的话需要imresize()成相同大小的图片;
    %       6.知识迁移到人脸识别应用中来,可以框出人脸位置区域
    
    
    clear  all;
    clc;
    close all;
    %开始计时
    tic
    %输入需要识别的图像
    [filename,pathname,fi]=uigetfile(...
                        {'*.*', 'all image file (*.*)';...
                         '*.bmp','all image file (*.bmp)';...
                         '*.jpg','all image file (*.jpg)'},...
                         '请选择要识别的图片',...
                         'MultiSelect', 'on');
    RGB=imread([pathname filename]); %界面手动选择读入方式
    %RGB = imread('D:\Program Files\MATLAB\workspace\timg1.jpg'); %直接路径传入读取方式
    
    figure('name','process'),
    subplot(2,2,1),imshow(RGB),title('原始RGB'),
    
    %convert frame from RGB to YCBCR colorspace（转换到YCBCR空间）
    YCBCR = rgb2ycbcr(RGB);
    whos,
    subplot(2,2,2),imshow(YCBCR),title('YCBCR'),
    %filter YCBCR image between values and store filtered image to threshold
    %matrix（用各个通道的阈值对其进行二值化处理）
    %% 通过数据游标直接选定大致的阈值,后续再手动改进
    %Y_MIN = 40;  Y_MAX = 160;
    %Cb_MIN = 80;   Cb_MAX = 120;
    %Cr_MIN = 138;   Cr_MAX = 195;
    %% 对马做阈值分割
     %{
    Y_MIN = 40;  Y_MAX = 205; %到255也可以
    Cb_MIN = 115;   Cb_MAX = 140;
    Cr_MIN = 115;   Cr_MAX = 145; %已经是最佳,否则会引入背景噪声.
    %}
    Y_MIN =20;  Y_MAX = 160; %到255也可以
    Cb_MIN = 100;   Cb_MAX = 150;
    Cr_MIN = 110;   Cr_MAX = 170; %已经是最佳,否则会引入背景噪声.
    threshold1=roicolor(YCBCR(:,:,1),Y_MIN,Y_MAX)&roicolor(YCBCR(:,:,2),Cb_MIN,Cb_MAX)&roicolor(YCBCR(:,:,3),Cr_MIN,Cr_MAX);
    subplot(2,2,3),imshow(threshold1),title('YCBCR二值化'),
    
    %perform morphological operations on thresholded image to eliminate noise
    %and emphasize the filtered object(s)（进行形态学处理：腐蚀、膨胀、孔洞填充）
    dilateElement=strel('square',13) ;
    threshold=imdilate(threshold1, dilateElement);
    erodeElement = strel('square', 4) ;
    threshold = imerode(threshold,erodeElement);
    erodeElement = strel('square', 3) ;
    threshold = imerode(threshold,erodeElement);
    erodeElement = strel('square', 2) ;
    threshold = imerode(threshold,erodeElement);
    threshold=imfill(threshold,'holes');
    subplot(2,2,4),imshow(threshold),title('形态学处理');
    % matlab多行注释
    %{
        erodeElement = strel('square', 3) ;
        dilateElement=strel('square', 8) ;
        threshold = imerode(threshold,erodeElement);
        threshold = imerode(threshold,erodeElement);
        threshold=imdilate(threshold, dilateElement);
        threshold=imdilate(threshold, dilateElement);
        threshold=imfill(threshold,'holes');
        subplot(2,2,4),imshow(threshold),title('形态学处理'),
     %}
    
    %获取区域的'basic'属性， 'Area', 'Centroid', and 'BoundingBox' 
    figure('name','处理结果'),
    stats = regionprops(threshold, 'basic');
    [C,area_index]=max([stats.Area]);
    %定位马的区域
    face_locate=[stats(area_index).Centroid(1),stats(area_index).Centroid(2)];
    imshow(RGB);title('after'),hold on
    %text(face_locate(1),face_locate(2)-40,  '马','color','red');
    text(face_locate(1),face_locate(2)-40,  '脸部','color','red');
    plot(face_locate(1),face_locate(2), 'b*');
    rectangle('Position',[stats(area_index).BoundingBox],'LineWidth',2,'LineStyle','--','EdgeColor','r'),
    hold off 
    
    
    %将五张图片拼接成一张完整的图像
    RGB= imresize(RGB ,[1800 2307],'nearest')  % 'nearest'最近邻插值（默认）,'bilinear'双线性插值,'bicubic'双三次插值
    YCBCR= imresize(YCBCR ,[1800 2307],'nearest')  % 'nearest'最近邻插值（默认）,'bilinear'双线性插值,'bicubic'双三次插值
    threshold1= imresize(threshold1 ,[1800 2307],'nearest') 
    threshold= imresize(threshold ,[1800 2307],'nearest') 
    figure
    imshow([RGB,YCBCR]) %面向对象的思想,将对象也当做最特殊的元素
    figure
    imshow([threshold1,threshold]) 
    t=toc

参考：  
[https://www.cnblogs.com/chenyn2014/p/4220201.html][https_www.cnblogs.com_chenyn2014_p_4220201.html]  
该博客提供了大量的matlab图像处理的例子和参考代码

[https://www.cnblogs.com/zengke556/p/8053108.html][https_www.cnblogs.com_zengke556_p_8053108.html]  
参考这里，实现了对马的像素的分割和剥离

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70]: /images/20220325/30311552966d44ebbf9c3cf9bd52f075.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20190121173833410.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 2]: /images/20220325/73de8308aceb4d578fd4b40d7f2cc9c5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 3]: /images/20220325/ffa56d7a7a544a8b87d95bbee9fc67c8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20190121173931980.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 5]: /images/20220325/fad7cf48a37a4aa0a3869340d22c9a51.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/20190121182223950.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 7]: https://img-blog.csdnimg.cn/2019012118223627.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 8]: /images/20220325/54a02ac634414207bcfc0f126ec1abba.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 9]: https://img-blog.csdnimg.cn/20190121193201358.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 10]: /images/20220325/499e2584bfc648cfa051b121b7303206.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 11]: https://img-blog.csdnimg.cn/20190121193314931.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 12]: /images/20220325/59e46ffbc4b44d14830b2e7f94d7d24b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 13]: /images/20220325/0b6134dd2f15459dbb6fe8fda681ae7f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 14]: /images/20220325/f0185f5d6cdb4819bd75e869d1120899.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 15]: https://img-blog.csdnimg.cn/20190121193841763.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 16]: /images/20220325/12c6a8d2243c4a0396fd5adb29686e94.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 17]: /images/20220325/24edb8bf573f4afaba668862d00e2116.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 18]: /images/20220325/69946a3f22f548ed91072653727bae01.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pwX3pob3UyNTY_size_16_color_FFFFFF_t_70 19]: /images/20220325/423c6fb102e74c1596016f34bdcbff63.png
[https_www.cnblogs.com_chenyn2014_p_4220201.html]: https://www.cnblogs.com/chenyn2014/p/4220201.html
[https_www.cnblogs.com_zengke556_p_8053108.html]: https://www.cnblogs.com/zengke556/p/8053108.html