MATLAB | 二值图像中的补色

只有 0 和 1 的数字图像称为二值图像。通常，这两种值代表白色和黑色。在此上下文中，0 通常表示白色，1 表示黑色。由于二值图像简单且能有效表示特定信息（如对象蒙版或轮廓），因此常用于图像处理和计算机视觉任务。

• 对二值图像进行补色意味着翻转黑色和白色像素，从而反转图像的颜色。
• 在此过程中，暗区变亮，就像拍摄负片一样，亮区变暗。

以下是对二值图像补色工作原理的详细说明。

二值图像表示

二值图像是每个像素由 0 或 1 表示的图像。白色像素的值为 0，在图像中通常显示为白色区域。黑色像素由像素值 1 表示，通常显示为黑色区域。

颜色补色：通过将每个 0 和每个 1 相互切换，可以对二值图像的颜色进行补色。此过程会有效地反转图像的颜色。黑色区域（1）变成白色，而白色区域（0）变成黑色。

最终图像：它仍然是二值图像，只有两种可能的像素值，但它们的含义已反转。这就是所谓的颜色补色。方向的反转可以看作是图像内容的颠倒。原始图像中的任何形状或对象都会保留在补色版本中，但颜色已互换。

应用：补色二值图像对各种图像处理任务都有好处。例如，它可用于图像分割，以区分对象和背景。当需要反转图像中对象的相对颜色以进行分析时，它还可用于模式识别或特征提取。

• 根据您的需求和方便，您可以使用前面回答中提到的技术（例如算术运算或 imcomplement 函数）在 MATLAB 或任何其他图像处理软件中执行此颜色补色操作。
• 结果是二值图像，其中黑色和白色的色调已互换或补色。

您可以通过在 MATLAB 中反转像素值来补色二值图像。**可以使用简单的算术运算或 imcomplement 函数** 来完成此操作。

以下是使用这两种方法实现的方法：

方法 1：使用算术运算

如前所述，二值图像只有两个可能的像素值：0，通常代表白色；1，通常代表黑色。对于此类图像中的每个像素，我们执行一个简单的算术运算来完成颜色。

下面对该过程的每个阶段进行了更详细的说明：

创建或加载二值图像

首先，通过编程创建二值图像，或使用 imread 函数在 MATLAB 中加载现有二值图像。在本示例中，您已有一个名为 bwImage 的二值图像。

确保 bwImage 中的像素值为 0 和 1，分别对应于白色和黑色。

补色

可以通过简单的算术技术来完成二值图像的颜色。您从图像中的每个像素值中减去 1。

此 MATLAB 代码行通过从 1 中减去 bwImage 的值来翻转颜色。值为 0（白色）的任何像素将变为值为 1（黑色）的像素，反之亦然，值为 1（黑色）的任何像素。

显示补色图像

使用 imshow 函数查看具有补色效果的最终图像。

此命令会在 MATLAB 图形窗口中显示 bwImageComplement 变量作为图像。在补色的二值图像中，以前的白色区域将显示为黑色，反之亦然。

保存补色图像（可选）

可以使用 imwrite 函数将补色的二值图像保存到文件。

此代码行将补色的二值图像保存到名为“complemented_image.png”的文件中。文件名和格式可根据需要进行更改。

• 要使用方法 1 获取补色，需要将二值图像的像素值从 1 中减去。
• 在 MATLAB 中，将二值图像的白色像素变为黑色，将黑色像素变为白色是一个简单而直接的过程。

方法 2 使用 MATLAB 的 imcomplement 函数来补色二值图像。此方法是一种实用的方法，可以避免使用显式算术运算，同时获得相同的结果。

方法 2：使用 imcomplement 函数

MATLAB 中二值图像的像素值为 0 和 1，其中 0 通常表示白色，1 表示黑色。使用 imcomplement 函数，执行以下操作来补色二值图像：

创建或加载二值图像

要开始，请使用 MATLAB 中的 imread 函数导入现有二值图像或以编程方式生成一个。假设您已经有一个名为 bwImage 的二值图像。

使用 imcomplement 补色

imcomplement 是 MATLAB 中的内置函数，专为补色照片而设计。

• 将二值图像作为输入传递给该函数即可使用它。

complement 函数使用输入二值图像 bwImage 创建补色的二值图像 bwImageComplement。

显示补色图像

使用 imshow 函数查看具有补色效果的最终图像。

此命令会在 MATLAB 图形窗口中显示 bwImageComplement 变量作为图像。在补色的二值图像中，以前的白色区域将显示为黑色，反之亦然。

保存补色图像（可选）

可以使用 imwrite 函数将补色的二值图像保存到文件。

将补色的二值图像保存到名为“complemented_image.png”的文件中。文件名和格式可根据需要进行更改。

• 要在 MATLAB 中补色二值图像，方法 2 需要使用 complement 函数，这是一种实用而简单的方法。
• 它是手动执行算术运算的快捷替代方案，并且是为此特定用途而设计的。
• 在二值图像中，此过程与过程 1 产生相同的结果，即白色像素变为黑色，黑色像素变为白色。

使用 MATLAB 库函数补色二值图像

输出

说明

该应用程序首先使用 imread 函数读取原始二值图像。您提供的图像文件路径是“zx.jpg”。此处应替换为指向二值图像文件的实际路径。

添加到原始二值图像：使用 complement 函数从原始二值图像（originalImg）生成补色的二值图像（complementImg）。该函数用于反转颜色，将白色转换为黑色，将黑色转换为白色。

实施

输出

优点

在 MATLAB 中，补色图像会将所有黑色（0）像素转换为白色（1），反之亦然。在处理图像时，此操作在多种方面都很有用。在 MATLAB 中补色二值图像的好处包括：

对象提取：补色二值图像有助于提取重要的背景对象。当您反转图像，使背景为黑色，对象为白色时，分割和检查对象会更容易。

背景移除：在某些情况下，您可能需要移除图像的背景。通过补色二值图像，您可以更好地分离并专注于前景中的对象。

对象检测：通过增强对象和背景之间的对比度，补色可以更轻松地在图像中识别和查找对象。

形态学运算：补色二值图像的预处理阶段通常用于形态学运算，如腐蚀、膨胀、开运算和闭运算。

• 这些操作有助于减少噪声、填充空白区域或改变图像中对象的形状。
• 特征提取过程可能涉及补色。补色使计算对象面积、周长和质心等特征更加容易。
• 在处理复杂图像时，补色可以使分割更容易区分对象和背景。

可视化：如果原始二值图像具有大部分黑色或白色的背景，那么在补色后查看或分析数据可能会更容易。

机器学习预处理：当准备将二值图像作为输入数据用于机器学习算法时，补色可以作为一种有用的预处理技术，以提高模型的性能。

缺点

根据具体用例和需求，在 MATLAB 中通过反转颜色（将 0 转换为 1，将 1 转换为 0）来补色二值图像可能会存在某些缺点。以下是一些可能的缺点：

信息丢失：要补色二值图像，必须将所有前景像素转换为背景像素，反之亦然。如果原始二值图像包含在补色操作后丢失的重要图案或结构，这可能会导致信息丢失。

含义反转：二值图像中黑色和白色像素的含义取决于应用程序。补色图像可能会反转含义，使其更难理解。例如，在医学成像中，白色可能代表肿瘤。

对比度问题：补色二值图像可能会降低前景和背景元素之间的对比度。根据特定应用，这种差异可能不被认为是理想的。这可能会使分割对象或执行其他图像分析更加困难。

伪影：在补色二值图像时，特别是如果原始图像包含噪声或伪影，这些伪影可能会更加明显或出现不同的外观。这可能会使图像处理和分析更加困难。

低效的像素遍历循环：您提供的代码使用低效的嵌套循环逐个像素地处理二值图像，这对于大型图像来说可能是一个问题。有更有效的方法可以使用 MATLAB 的各种内置图像处理函数来补色二值图像，例如 complement 函数，该函数是专门为此目的设计的。

缺乏错误处理：您的代码假定输入是二值图像，但缺少任何错误处理或验证。如果输入不是二值图像（例如，灰度或彩色图像），代码将产生意外的结果或错误。

不支持其他数据类型：假定提供的图像是双精度或逻辑数据类型。如果输入图像的数据类型不同，您可能会遇到数据类型转换问题。

内存使用效率低下：对于大型图像，创建一个与原始图像大小相同的新数组（complement）可能会消耗大量内存。在某些情况下，您可以直接在 MATLAB 中编辑输入图像，而不是创建一个新数组，这可以节省内存并提高生产力。

灵活性不足：您的代码专门用于补色二值图像，并且可能难以修改以用于更复杂的图像处理任务或处理新类型的图像。

MATLAB 中的内置函数（包括用于二值图像补色的 complement 函数）经过性能优化，可以处理各种数据格式，并提供改进的错误处理。此外，如果您需要执行更复杂的图像处理任务，MATLAB 还提供了许多有助于简化工作流程和提高效率的函数和工具箱。