Per riprodurre l'immagine Parula in Matlab senza perdere la risoluzione

Question

Non c'è alcuna biiezione tra RGB e Parula, discussa here. Sto pensando come fare bene l'elaborazione delle immagini dei file in Parula. Questa sfida è stata sviluppata da questo thread sulla rimozione del colore nero dalle immagini ECG estendendo il caso a un problema generalizzato con i colori Parula.

dati:

che è generato da

[X,Y,Z] = peaks(25); 
imgParula = surf(X,Y,Z); 
view(2); 
axis off; 

Non è il punto di questa discussione per utilizzare questo codice nella soluzione di leggere la seconda immagine.

Codice:

[imgParula, map, alpha] = imread('http://i.stack.imgur.com/tVMO2.png'); 

dove map è [] e alpha è un'immagine completamente bianca. Facendo imshow(imgParula) dà

dove si vede un sacco di interferenze e perdita di risoluzione perché Matlab legge le immagini come RGB, anche se la mappa dei colori reale è Parula. Il ridimensionamento di questa immagine non migliora la risoluzione.

Come si può leggere l'immagine nella colormap corrispondente in Matlab? Non ho trovato alcun parametro per specificare la mappa di colori in lettura.

Answer 1

Il problema

C'è un one-to-one mapping dai colori indicizzati nel parula colormap a triplette RGB. Tuttavia, non esiste una mappatura one-to-one per invertire questo processo per convertire un colore indicizzato parula in RGB (in effetti ci sono un numero infinito di modi per farlo). Pertanto, non esiste una corrispondenza uno-a-uno o bijection tra i due spazi. La trama seguente, che mostra i valori R, G e B per ciascun indice parula, rende questo più chiaro.

Questo è il caso per colori più indicizzati. Qualsiasi soluzione a questo problema sarà non unica.

un built-in Solution

io dopo aver giocato in giro con questo un po ', mi sono reso conto che c'è già una funzione built-in che può essere sufficiente: rgb2ind, che converte i dati di immagine RGB in indicizzati dati di immagine. Questa funzione utilizza dither (che a sua volta chiama la funzione mex ditherc) per eseguire la trasformazione inversa della mappa di colori.

Ecco una dimostrazione che utilizza la compressione JPEG per aggiungere rumore e distorcere i colori nei dati parula indice originale:

img0 = peaks(32);      % Generate sample data 
img0 = img0-min(img0(:)); 
img0 = floor(255*img0./max(img0(:))); % Convert to 0-255 
fname = [tempname '.jpg'];   % Save file in temp directory 
map = parula(256);     % Parula colormap 
imwrite(img0,map,fname,'Quality',50); % Write data to compressed JPEG 
img1 = imread(fname);     % Read RGB JPEG file data 

img2 = rgb2ind(img1,map,'nodither'); % Convert RGB data to parula colormap 

figure; 
image(img0);       % Original indexed data 
colormap(map); 
axis image; 

figure; 
image(img1);       % RGB JPEG file data 
axis image; 

figure; 
image(img2);       % rgb2ind indexed image data 
colormap(map); 
axis image; 

Questo dovrebbe produrre immagini simili ai primi tre di seguito.

Soluzione alternativa: differenza cromatica

Un altro modo per eseguire questa operazione è confrontando la differenza tra i colori dell'immagine RGB con i valori RGB che corrispondono a ciascun indice colormap . Il modo standard per farlo è calculating ΔE nello spazio colore CIE L*a*b*. Ho implementato una forma di questo in una funzione generale denominata rgb2map che può essere downloaded from my GitHub. Questo codice si basa su makecform e applycform in Image Processing Toolbox per convertire da RGB allo spazio colore CIE L * a * b * del 1976.

Il codice seguente produrrà un'immagine come quella qui sopra a destra:

img3 = rgb2map(img1,map); 

figure; 
image(img3);       % rgb2map indexed image data 
colormap(map); 
axis image; 

Per ogni pixel RGB un'immagine in ingresso in, rgb2map calcola la differenza di colore fra essa e ogni tripletta RGB nella mappa colori ingresso utilizzando lo standard CIE 1976. La funzione min viene utilizzata per trovare l'indice del minimo Δ E (se esiste più di un valore minimo, viene restituito l'indice del primo). Mezzi più sofisticati possono essere usati per selezionare il colore "migliore" nel caso di più Δ E minimo, ma saranno più costosi.

Conclusioni

Come esempio finale, ho usato an image of the namesake Parula bird di confrontare i due metodi nella figura seguente. I due risultati sono abbastanza diversi per questa immagine. Se modifichi manualmente rgb2map per utilizzare lo standard di differenza di colore più complesso CIE 1994, otterrai un altro rendering. Tuttavia, per le immagini che corrispondono più strettamente alla colormap originale parula (come sopra) entrambe dovrebbero restituire risultati più simili. È importante sottolineare che i vantaggi di rgb2ind derivano dal chiamare le funzioni mex e sono quasi 100 volte più veloci di rgb2map nonostante diverse ottimizzazioni nel mio codice (se si utilizza lo standard CIE 1994, è circa 700 volte più veloce).

Infine, coloro che vogliono saperne di più su mappe di colori in Matlab, dovrebbe leggere questo four-part MathWorks blog post da Steve Eddins sul nuovo parula mappa di colori.

Aggiornamento 6-20-2015:rgb2map codice sopra descritto aggiornato per utilizzare diverse trasformazioni dello spazio colore, che migliora la sua velocità di quasi un fattore due.