我真的不知道matlab的工作原理，因此我无法对代码进行评论，但这也许会有助于解释RGB颜色的工作原理。

当使用RGB颜色时，可以通过确保R，G和B的值相同来进行灰度设置。因此，基本上，您要做的就是检测像素是否为红色，而不仅仅是使R，G和B相同（您可以使用3的平均值作为基本结果）。

更难的部分是如何检测像素是否实际上是红色，您不能仅检查像素的R值是否较高，因为它仍然可以是另一种颜色，而R值低则意味着较暗的红色。

因此您可以执行以下操作：（我没有matlab，因此采用语法）：

red = cdata( y, x, 1 );
green = cdata( y, x, 2 );
blue = cdata(y, x, 3);

if (red < (blue * 1.4) || red < (green * 1.4) )
{
    avg = (red + green + blue) / 3;
    cdata(y, x, 1) = avg;
    cdata(y, x, 2) = avg;
    cdata(y, x, 3) = avg;
}

可能有更好的方法来检测红色并获得平均灰色，但这只是一个开始；）

一种可以大大改善生成的图像质量的选项是转换为其他颜色空间，以便更轻松地选择颜色。特别是， HSV颜色空间根据像素的色相（颜色），饱和度（颜色量）和值（颜色的亮度）来定义像素颜色。

例如，您可以使用rgb2hsv函数将RGB图像转换为HSV空间，找到具有跨越您要定义为“非红色”颜色（例如20度到340度）的色相的像素，设置饱和度对于那些像素为0（因此它们是灰度），然后使用函数hsv2rgb将图像转换回RGB空间：

cdata = imread('EcyOd.jpg');       % Load image
hsvImage = rgb2hsv(cdata);         % Convert the image to HSV space
hPlane = 360.*hsvImage(:, :, 1);   % Get the hue plane scaled from 0 to 360
sPlane = hsvImage(:, :, 2);        % Get the saturation plane
nonRedIndex = (hPlane > 20) & ...  % Select "non-red" pixels
              (hPlane < 340);
sPlane(nonRedIndex) = 0;           % Set the selected pixel saturations to 0
hsvImage(:, :, 2) = sPlane;        % Update the saturation plane
rgbImage = hsv2rgb(hsvImage);      % Convert the image back to RGB space

这是结果图像：

请注意，与zellus的解决方案相比，您可以轻松地维持花朵上的浅粉色调。还要注意，茎和地面上的褐色调也消失了。

有关根据对象的颜色属性从图像中选择对象的出色示例，请查看Steve Eddins博客文章《两个朋友》 ，其中描述了MathWorks的Brett Shoelson提出的从图像中提取一个“ amigo”的解决方案。

有关选择颜色范围的说明...

您可以做的另一件事是帮助您选择颜色范围，这是查看HSV图像像素中出现的色调（即，上方的hPlane ）的直方图。这是一个使用histc函数（或推荐的histcounts ，如果可用）和bar的示例：

binEdges = 0:360;    % Edges of histogram bins
hFigure = figure();  % New figure

% Bin pixel hues and plot histogram:
if verLessThan('matlab', '8.4')
  N = histc(hPlane(:), binEdges);  % Use histc in older versions
  hBar = bar(binEdges(1:end-1), N(1:end-1), 'histc');
else
  N = histcounts(hPlane(:), binEdges);
  hBar = bar(binEdges(1:end-1), N, 'histc');
end

set(hBar, 'CData', 1:360, ...            % Change the color of the bars using
          'CDataMapping', 'direct', ...  %   indexed color mapping (360 colors)
          'EdgeColor', 'none');          %   and remove edge coloring
colormap(hsv(360));                      % Change to an HSV color map with 360 points
axis([0 360 0 max(N)]);                  % Change the axes limits
set(gca, 'Color', 'k');                  % Change the axes background color
set(hFigure, 'Pos', [50 400 560 200]);   % Change the figure size
xlabel('HSV hue (in degrees)');          % Add an x label
ylabel('Bin counts');                    % Add a y label

这是生成的像素颜色直方图：

请注意，原始图像如何主要包含红色，绿色和黄色的像素（以及一些橙色的像素）。几乎没有青色，蓝色，靛蓝或洋红色的像素。还要注意，我在上面选择的范围（20到340度）可以很好地排除不属于两端两个大红色群集的大部分内容。

figure
pic = imread('EcyOd.jpg');

for mm = 1:size(pic,1)
    for nn = 1:size(pic,2)
        if pic(mm,nn,1) < 80 || pic(mm,nn,2) > 80 || pic(mm,nn,3) > 100
            gsc = 0.3*pic(mm,nn,1) + 0.59*pic(mm,nn,2) + 0.11*pic(mm,nn,3);
            pic(mm,nn,:) = [gsc gsc gsc];
        end
    end
end
imshow(pic)