Задайте два значения цвета RGB.

pureRed = uint8([255 0 0]);
darkRed = uint8([255 10 50]);

Вычислите цветовую разность цветов.

dE = deltaE(pureRed,darkRed)

dE = single
    18.6206

Считайте цветное изображение в рабочую область.

I1 = imread('peppers.png');
imshow(I1)

Измените контраст местного колорита в изображении.

I2 = localcontrast(I1);
imshow(I2)

Вычислите цветовую разность изображений.

dE = deltaE(I1,I2);

Отобразите цветовое различие как изображение. Максимальное значение dE превышает область значений [0, 1] ожидаемый изображений типа данных single, так отобразите изображение с помощью полной области значений отображения данных. Яркие пиксели указывают на большое цветовое различие и поэтому больший объем контрастного улучшения.

imshow(dE,[])

Считайте и отобразите изображение ткани, окрашенной hemotoxylin и эозином (H&E).

he = imread('hestain.png');
imshow(he)

Преобразуйте изображение в L*a*b* цветовое пространство.

lab = rgb2lab(he);

Сделайте копию изображения, затем увеличьте сигнал* канал. Красные тоны в изображении становятся более влажными, в то время как изображение полная яркость и синие тоны неизменно.

lab2 = lab;
scaleFactor = 1.2;
lab2(:,:,2) = scaleFactor*lab(:,:,2);

Вычислите цветовую разность оригинального и улучшенного изображения в L*a*b* цветовое пространство.

dE = imcolordiff(lab,lab2,'isInputLab',true);

Отобразите цветовое различие как изображение. Масштабируйте область значений отображения, чтобы совпадать с областью значений пиксельных значений в dE. Яркие области указывают на самое большое цветовое различие и соответствуют розовым областям ткани.

imshow(dE,[])