学习DIP最后一天
转载请标明本文出处：http://blog.csdn.net/tonyshengtan ，出于尊重文章作者的劳动，转载请标明出处！文章代码已托管，欢迎共同开发：https://github.com/Tony-Tan/DIPpro

开篇废话

本系列最后一篇，后续的文章将在其他系列中编写，本想把小波也放在这个系列，但感觉最近写小波有点困难，这里学习环境不好，所想去写点好玩的，比如模式识别，图像特征点什么的，希望大家继续关注。

算法原理

多通道图像的简单分割，可以给定阈值向量，然后给定范围，可以是三维的球形，或者立方体，这个就要看具体的设计了，比如举个简单的例子，给定RGB中心阈值为$\vec T(R_0,G_0,B_0)$，阈值为100，那么对于像素点$(x,y)$处的色彩向量$\vec I(R_{xy},G_{xy},B_{xy})$
那么只要满足

的点满足要求，为目标点，否则为背景点。
算法同样适用于其他色彩空间，但要根据具体情况来设计，所以灵活性很强。

代码

double Chanel3Distance(RGB point1,RGB point2){
    return sqrt((point1.c1-point2.c1)*(point1.c1-point2.c1)+
                (point1.c2-point2.c2)*(point1.c2-point2.c2)+
                (point1.c3-point2.c3)*(point1.c3-point2.c3));


}
void SegmentRGB(RGB* src,RGB *dst,int width,int height,RGB * color_center,double threshold){
    double distance=0.0;
    for(int i=0;i<width*height;i++){
        distance=Chanel3Distance(src[i], *color_center);
        if(distance<=threshold){
            dst[i].c1=src[i].c1;
            dst[i].c2=src[i].c2;
            dst[i].c3=src[i].c3;
        }else{
            dst[i].c1=0.;
            dst[i].c2=0.;
            dst[i].c3=0.;
        }
    }
}

结果分析

下面简单的分割和平滑，然后进行合并。
原图：

分割（使用简单的RGB模型，肤色分割点简单选取，所以效果不是很好）：

平滑后合并

原图：

分割结果：

总结

至此用了70几天简单的介绍了图像处理的基础知识，特定的应用因为不具有行业通用性，所以将会有选择的进行学习，感谢自己一路坚持了几个月，感谢大家一直的支持，希望大家的技术进步。
本系列结束。
技术，待续。。。