Discussion :

[Pierrel27]

Bonjour,

Je souhaiterai quantifier les couleurs d'une image. Je travail sur l'iridescence des nacres (huîtres perlières) et j'aimerai quantifier trois couleurs (rouge, jaune et vert) dans la nacre de cette coquille.



J'ai testé différents packages (imager, ImageMagick, EBImage...) mais je n'ai pas vraiment trouvé quelque chose qui m'aidait..

Je souhaiterai faire une quantification colorimetrique sous R, avec des cercles. La zone de la primitive en pixel peut-être exprimée comme celle d'un cercle de surface équivalente. La primitive est une aire continue de pixels voisins d'une couleur similaire. Le centre des cercles peut-être le "pixel ancre".

Voici l'équation qui pourrait m'aider à réaliser ceci:

DeltaI = Racine carrée [(R_ancre + R_i)² + (G_ancre - G_i)² + (B_ancre - B_i)²]

R, G et B sont les composantes colorimétriques des pixels, allant de 0 à 255, ancre est le pixel d'ancrage et i et n'importe quel pixel aux alentours qui a une couleurs similaire.

Voici une image de ce que j'espère obtenir à la fin de mon code (source: Alçiçek & Balaban 2012):



Voici mon code initial, mais je n'ai absolument pas la moindre idée de comment continuer... Peut-être en créant un package ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
library(png)
nacre <-  readPNG("test.png")
nacre
 
dim(nacre)
 
# show the full RGB image
grid.raster(nacre)
 
# show the 3 channels in separate images
nacre.R = nacre
nacre.G = nacre
nacre.B = nacre
 
# zero out the non-contributing channels for each image copy
nacre.R[,,2:3] = 0
nacre.G[,,1]=0
nacre.G[,,3]=0
nacre.B[,,1:2]=0
 
# build the image grid
img1 = rasterGrob(nacre.R)
img2 = rasterGrob(nacre.G)
img3 = rasterGrob(nacre.B)
grid.arrange(img1, img2, img3, nrow=1)
# Now let’s segment this image. First, we need to reshape the array into a data frame with one row for each pixel and three columns for the RGB channels:
 
 
# reshape image into a data frame
df = data.frame(
red = matrix(nacre[,,1], ncol=1),
green = matrix(nacre[,,2], ncol=1),
blue = matrix(nacre[,,3], ncol=1)
  )
 
 
### compute the k-means clustering
K = kmeans(df,4)
df$label = K$cluster
 
### Replace the color of each pixel in the image with the mean 
### R,G, and B values of the cluster in which the pixel resides:
 
# get the coloring
colors = data.frame(
  label = 1:nrow(K$centers), 
  R = K$centers[,"red"],
  G = K$centers[,"green"],
  B = K$centers[,"blue"]
)
 
# merge color codes on to df
df$order = 1:nrow(df)
df = merge(df, colors)
df = df[order(df$order),]
df$order = NULL
 
# get mean color channel values for each row of the df.
R = matrix(df$R, nrow=dim(nacre)[1])
G = matrix(df$G, nrow=dim(nacre)[1])
B = matrix(df$B, nrow=dim(nacre)[1])
 
# reconstitute the segmented image in the same shape as the input image
nacre.segmented = array(dim=dim(nacre))
nacre.segmented[,,1] = R
nacre.segmented[,,2] = G
nacre.segmented[,,3] = B
 
# View the result
grid.raster(nacre.segmented)

Quelqu'un aurait-il une piste, une idée ?
Merci d'avance