我一直在尝试这样做：
http://prntscr.com/umv66 -> http://goo.gl/Bgmv2（你可以忽略红线，我只是添加它们来说明最终目标）
所以，我在第一种情况下所做的是：使用 MatLab，我转换了 rgb -> hsv 并拾取了 s 通道（又名饱和度）。然后我使用Otsu（在matlab中称为graythresh）进行二值化并转换成黑白图片。一切都很完美。
现在，在第二种情况下，这不太好用：
基础img( http://goo.gl/OtK4G ) ->S频道( http://goo.gl/oo8h6)->Otsu(http://goo.gl/cnfxU )
如您所见，在这种情况下，Otsu 过滤器变得毫无用处。我应该采取任何解决方法或其他方式吗？提前致谢！
您可以使用 k-means 执行图像量化。所以你知道你必须以这样一种方式对图像进行二值化，使黄色阴影变成白色，而其他一切都变成黑色。因此，将您的图像分成合适数量的集群（4 个可能有效）。2 用于黄色色调，2 用于其他色调。不要忘记预定义初始质心。在此之后，您可以说，被标记为黄色质心的像素被重新标记为一个。这可能会奏效。
k-means 颜色量化过程的细节： 1. 首先将图像中的所有像素收集在一个nx3矩阵中。然后使用 k-means 将nx3矩阵划分为 3 或 4 个簇。2. 在将其划分为 4 个集群之前，预定义质心。您可以通过在此处阅读 MATLAB kmeans 算法的文档来做到这一点. 您必须设置的参数是 kmeans 的 'options' 字段中的 'start'。3. 所以黄色（和其他“接近”它的颜色）应该属于预定义的集群。（因此，如果您为黄色定义了集群 1 和 2，那么您应该将所有黄色像素标记为 1 或 2。其他像素将标记为 3 或 4。） 4. 现在，将图像转换为二进制，这样像素落入黄色簇（即本例中的簇 1 和 2），应设为 1，其他将为零。
有关预定义集群的更多详细信息：来自 kmeans 文档：起始质心可以在start参数中定义为质心起始位置kmeans的k-by-p矩阵。在您的情况下，它将是RGB黄色的值。查看图像中存在的黄色的一些像素值。如果它们的偏差太大，则为它们定义两个集群，否则为一个。如果您定义两个，那么您的start参数将具有2x3矩阵。您应该始终记住，质心中的列数将等于数据中的列数。
我希望这可以在更高的层次上使过程更加清晰。如果您有任何错误，请发布您的代码。