如何去除彩虹衍射图灰色背景，仅保留彩虹区域？

问题描述 #

彩虹衍射图案

我有一张彩虹衍射光栅的CCD图像，希望仅保留可见的彩虹区域，将原灰色背景替换为黑色，是否可行？

我尝试了聚类方法，但仅检测到类似轮廓的颜色区域：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from skimage.io import imread
from skimage.util import img_as_float

# Read image and convert to float [0,1]
img = img_as_float(imread('upscale.jpg'))

# Reshape image into N x 3 color pixels
pixels = img.reshape(-1, 3)

# Number of color clusters (you can adjust this)
k = 5

# Run k-means clustering on the colors
kmeans = KMeans(n_clusters=k, random_state=0, n_init=3)
idx = kmeans.fit_predict(pixels)
C = kmeans.cluster_centers_

# Reconstruct clustered image
clustered_img = C[idx].reshape(img.shape)

# Show original and clustered version
fig, axes = plt.subplots(1, 2, figsize=(12, 6))
axes[0].imshow(img)
axes[0].set_title('Original Image')
axes[0].axis('off')

axes[1].imshow(clustered_img)
axes[1].set_title(f'Color Clusters (k = {k})')
axes[1].axis('off')

plt.tight_layout()
plt.show()

我期望仅显示黑色背景上的彩虹光斑，该图像是通过衍射光栅拍摄的彩虹CCD图像。

完全可以实现你的需求。KMeans聚类的局限性在于它仅基于颜色相似度归类，无法针对性区分"高饱和度彩色"和"低饱和度灰色"这类特征明确的区域。改用HSV颜色空间的饱和度阈值分割，能更精准地分离彩虹区域与背景。

核心思路 #

彩虹区域是高饱和度的彩色，背景是低饱和度的灰色——利用这一特征，通过饱和度通道筛选目标区域，直接将背景置为黑色。

代码实现 #

import numpy as np
import matplotlib.pyplot as plt
from skimage.io import imread
from skimage.color import rgb2hsv
from skimage.morphology import opening, disk

# 读取图像
img = imread('upscale.jpg')
# 转换为HSV颜色空间
hsv_img = rgb2hsv(img)
# 提取饱和度通道（范围0-1，值越高颜色越鲜艳）
saturation = hsv_img[:, :, 1]

# 设置饱和度阈值（可根据图像实际情况微调）
threshold = 0.2
# 生成掩码：保留饱和度高于阈值的区域
mask = saturation > threshold

# 应用掩码，将背景区域设为黑色
result_img = img.copy()
result_img[~mask] = [0, 0, 0]

# 可选：形态学开运算去除背景噪点
selem = disk(2)
cleaned_mask = opening(mask, selem)
cleaned_result = img.copy()
cleaned_result[~cleaned_mask] = [0, 0, 0]

# 展示结果
fig, axes = plt.subplots(1, 3, figsize=(18, 6))
axes[0].imshow(img)
axes[0].set_title('原始图像')
axes[0].axis('off')

axes[1].imshow(result_img)
axes[1].set_title('阈值分割结果')
axes[1].axis('off')

axes[2].imshow(cleaned_result)
axes[2].set_title('去噪后结果')
axes[2].axis('off')

plt.tight_layout()
plt.show()

关键调整点 #

• 饱和度阈值threshold：如果背景仍有残留，适当提高阈值；如果彩虹区域被误删，适当降低阈值。
• 形态学操作：disk(2)的尺寸可根据噪点大小调整，去除背景中的微小彩色杂点。

内容的提问来源于stack exchange，提问作者wosker4yan