基于Lab色彩空间分离黄蓝区域的技术求助（无OpenCV）

1. 利用Lab的a通道区分黄蓝色彩 #

Lab色彩空间的a通道天然适合区分黄蓝：黄色对应a通道的正值范围，蓝色对应负值范围。注意skimage的rgb2lab输出中，a通道原始范围是[-128, 127]，如果你的图像像素显示无负值，大概率是被缩放至[0, 255]，只需执行a = a - 128即可还原正负区分的特性。

2. 检测白色边缘掩码 #

白色在Lab空间的特征是：L通道亮度接近100，同时a、b通道值接近0（无色彩偏向）。你可以通过手动阈值或自动阈值生成白色区域的掩码：

• 手动阈值示例：white_mask = (L > 90) & (abs(a) < 10) & (abs(b) < 10)
• 若阈值不确定，可使用skimage的filters.threshold_otsu分别对L、a、b通道计算阈值后组合。

3. 基于白色边缘分割并标记区域 #

白色边缘是天然的分隔线，通过连通区域分析可以将被边缘隔开的黄/蓝区块独立处理：

• 先反转白色掩码得到黄蓝区域的掩码，用measure.label标记每个连通区块
• 遍历每个区块，计算其a通道的平均值：均值为正标记为黄色（+ve），均值为负标记为蓝色（-ve）

示例代码（基于scikit-image） #

from skimage import io, color, measure, filters

# 读取RGB图像
img = io.imread('your_image_path.png')
# 转换至Lab色彩空间
lab_img = color.rgb2lab(img)
L, a, b = lab_img[:, :, 0], lab_img[:, :, 1], lab_img[:, :, 2]

# 还原a通道的正负范围（若原始输出为0-255时执行）
if a.min() >= 0:
    a = a - 128

# 生成白色边缘掩码
white_mask = (L > 90) & (abs(a) < 10) & (abs(b) < 10)
# 提取非白色区域
non_white = ~white_mask

# 标记连通区域（白色为背景）
label_map = measure.label(non_white, background=0)

# 遍历区域并标记正负值
result = label_map.copy()
regions = measure.regionprops(label_map, intensity_image=a)
for reg in regions:
    if reg.mean_intensity > 0:
        result[label_map == reg.label] = 1  # 黄色区域标记为+ve
    else:
        result[label_map == reg.label] = -1 # 蓝色区域标记为-ve

# 白色区域保留为0（可根据需求调整）
result[white_mask] = 0

额外提示 #

• 如果白色边缘较细，可先用morphology.dilation对白色掩码做轻微膨胀，避免连通区域跨边缘合并
• 若a通道的均值区分不明显，可尝试结合b通道（黄色b为正，蓝色b为负）共同判断

内容的提问来源于stack exchange，提问作者Ninja_Tuna