大家看到一些漂亮的作品的时候，想拿过来自己上色，却总是苦恼不知道该怎么抠出线稿，那么今天鳗鱼君给大家介绍一下怎样用PS去抠出线稿。
方法一 蒙版提线
第一步，在PS里面打开一张图片
接下来我们运用一下快捷键
按Ctrl+A全选图层，按Ctrl+C复制一层图形，之后按Q键进入快速蒙版。
然后按Ctrl+V复制图层，按Q键退出快速蒙版
接下来按Delete删除键，再按Ctrl+D删除蚂蚁线。
方法二 利用通道提取线稿
首先打开PS，拖动一张图片到PS里面
复制一层图层，并且将背景图层填充成白色。
选择通道按住Ctrl点击RGB图层
然后点击图层返回到图层界面，按Ctrl+D消除蚂蚁线。
这样就可以提取出线稿出来了
方法三 上色图片如何提取线稿
我们还是在PS里面继续打开一张图片
按住Shift+Ctrl+U去色
快捷键可以极大的加大我们在作图时候效率。
按Ctrl+C再按Ctrl+V复制一层图形，然后我们在正常图层上面选择变为划分。
选择——滤镜模糊——高斯模糊
然后合并两张图层之后，我们就可以得到黑白的图形了。
之后的方法就很简单了。还记的我们上面说过提取线稿的方法吗？？照着做就好了，今天的教程就到这里啦~感谢大家的支持，喜欢的可以持续关注我们！

导言
图像具有一定的灰度数值，利用这个属性我们可以将实验图片进行数值化，进而进行可视化，达到定性和定量的相结合，将其应用在论文中是一个不错的选择。
下图是一张色谱条带
我们需要将其做成下面的图形放在论文中，该怎么弄呢，赶紧来学学的吧！
软件
FIJI 或ImageJ软件，Origin2019b软件
图文教程
数据提取
1. 使用FIJI打开图片(直接拖拽进去即可)，这里我使用的是原始图
2. 我们选择第一条条带进行演示，使用矩形工具进行框选择第一条条带,点击菜单栏-Image-Crop，进行裁剪
3. 点击左上角File-Save as另存为图片备用
4. 使用直线工具画一条直线在条带上,然后双击直线工具，可以将线条调整的粗一点
5. 点击直线分析,Analyze-Plot Profile
6. 在这里就会出现一张类似的色谱曲线图，其中左下角会有一些参数。点击List,就会出现图形的对应的数据，点击Data你可以将数据保存在csv格式的文件中，点击more你可以对横纵坐标进行设置。这里，我们将数据保存在csv文件中，以方便日后使用。
软件作图
1. 使用Origin进行作图，将上述数据复制进来，写好纵坐标，横坐标是像素值，我们就不显示了
2. 通过一系列基础设置就如下所示
3. 进行导出图即可
一键组图
1. 使用AI/PS/Origin/PPT软件，进行组图，然后导出图片即可
怎么样，今天的教程学会了吗？

             折腾了好久，还是没折腾出来，不过还是有点点进步，看看这么一张图片，我是怎么实现对6个莲子的提取的。
 
还是把代码贴出来，分享给大家，也请大家给提点建议。
 
image=imread('E:\qw1.jpg');

%%%背景的质心
 indimage=rgb2ind(image,map);%将待处理图片转换为索引图像
[height,width]=size(indimage);%计算灰度索引图像的长宽 
backgroud1=zeros(height, width);%创建背景（全0）
backgroud1=~backgroud1;%背景取反，目的是求质心
bckg_zhixin=regionprops(backgroud1,'Centroid');%求背景的质心
backgroud1=~backgroud1;%背景取反，恢复黑色。
bckg_x=bckg_zhixin.Centroid(1);%背景质心X坐标
bckg_y=bckg_zhixin.Centroid(2);%背景质心y坐标

%%%处理图片，提取6个贝母的边缘
[H,S,V]=rgb2hsv(image);%step1：获取图片HSV分量，分别代表色调，饱和度，亮度
hMedian=median(median(H));%step2：提取中位数以下H分量，进行二值化
hBw1=im2bw(H,hMedian);%step3：二值化，阈值为hMedian
HBelowMedian=H.*(~hBw1);%step4：剩余H二值化
hBw2=im2bw(HBelowMedian,graythresh(HBelowMedian));%二值化，阈值为graythresh(HBelowMedian)
for i=1:size(image,1)
    bwImage(i,:)=bitxor(hBw1(i,:),hBw2(i,:));%%将hBw1和hBw2异或得到结果
end
bwImage=~bwImage;%图像取反
[B0,L0] = bwboundaries(bwImage,'noholes');%边界跟踪，返回划分的区域L0，noholes算法只搜索目标的外边界。
stats = regionprops(L0,'Area');%regionprops测量每个标签区域L0的属性
[sortAfter,Index] = sort([stats(:,:).Area],'descend');%对数组进行降序排序,并返回排序后的数组，Index为返回的排序后元素在原数组中的行位置或列位置.


%%%处理第一个贝母
LL1 = ismember(L0,Index(1));%判断一个集合是否为另一个的子集，此地方是。
bwImage1 = bwlabel(LL1);%进行标注
bwImage1 = imfill(bwImage1,'holes');%%对二值图像中的目标孔进行填充点
stats1=regionprops(bwImage1,'Centroid');
x1=stats1.Centroid(1)% 求的图像1质心的坐标  
y1=stats1.Centroid(2)% 求的图像1质心的坐标  
indimage=rgb2ind(image,map);%将待处理图片转换为索引图像
[height,width]=size(indimage);%计算灰度索引图像的长宽 
for i=1:height   
        for j=1:width 
            if bwImage1(i,j)==0
               indimage(i,j)=0; 
            end
        end
end
 
iimage1=ind2rgb(indimage,map);%将处理后的索引图像转换为真彩色图像

    if x1>=bckg_x
        image1move_x=x1-bckg_x;%贝母移动x坐标
    else
       image1move_x=bckg_x-x1;%贝母移动x坐标
    end

    if y1>=bckg_y
        image1move_y=y1-bckg_y;%贝母移动ｙ坐标
    else
       image1move_y=bckg_y-y1;%贝母移动ｙ坐标
    end
 
for i=1:height   
        for j=1:width 
            if iimage1(i,j)~=0 
                iimage1(fix(i-image1move_x),fix(j-image1move_y))=iimage1(i,j);          
            end
        end
end


rect=[bckg_x-80 bckg_y-80 bckg_x+80 bckg_y+80]; 
showimage1=imcrop(iimage1,rect);% 用imcrop裁剪：
figure;  
imshow(showimage1);  
imwrite(showimage1,'showimage1.bmp')
title('1');
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
LL2 = ismember(L0,Index(2));%判断一个集合是否为另一个的子集，此地方是。
bwImage2 = bwlabel(LL2);%进行标注
bwImage2 = imfill(bwImage2,'holes');%%对二值图像中的目标孔进行填充点
stats2=regionprops(bwImage2,'Centroid');
x2=stats2.Centroid(1)% 求的图像2质心的坐标  
y2=stats2.Centroid(2)% 求的图像2质心的坐标  
 indimage=rgb2ind(image,map);%将待处理图片转换为索引图像
[height,width]=size(indimage);%计算灰度索引图像的长宽 
for i=1:height   
        for j=1:width 
            if bwImage2(i,j)==0
               indimage(i,j)=0; 
            end
        end
end
iimage2=ind2rgb(indimage,map);%将处理后的索引图像转换为真彩色图像
% figure;
% imshow(iimage2);
% title('2');
rect=[x2-80 y2-80 x2+80 y2+80]; 
a2=imcrop(iimage2,rect);% 用imcrop裁剪：
figure;  
imshow(a2);  
imwrite(a2,'a2.bmp')
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
LL3 = ismember(L0,Index(3));%判断一个集合是否为另一个的子集，此地方是。
bwImage3 = bwlabel(LL3);%进行标注
bwImage3 = imfill(bwImage3,'holes');%%对二值图像中的目标孔进行填充点
stats3=regionprops(bwImage3,'Centroid');
x3=stats3.Centroid(1)% 求的图像3质心的坐标  
y3=stats3.Centroid(2)% 求的图像3质心的坐标  
 indimage=rgb2ind(image,map);%将待处理图片转换为索引图像
[height,width]=size(indimage);%计算灰度索引图像的长宽 
for i=1:height   
        for j=1:width 
            if bwImage3(i,j)==0
               indimage(i,j)=0; 
            end
        end
end
iimage3=ind2rgb(indimage,map);%将处理后的索引图像转换为真彩色图像
% figure;
% imshow(iimage3);
% title('3');
rect=[x3-80 y3-80 x3+80 y3+80]; 
a3=imcrop(iimage3,rect);% 用imcrop裁剪：
figure;  
imshow(a3);  
imwrite(a3,'a3.bmp')
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
LL4 = ismember(L0,Index(4));%判断一个集合是否为另一个的子集，此地方是。
bwImage4 = bwlabel(LL4);%进行标注
bwImage4 = imfill(bwImage4,'holes');%%对二值图像中的目标孔进行填充点
stats4=regionprops(bwImage4,'Centroid');
x4=stats4.Centroid(1)% 求的图像4质心的坐标  
y4=stats4.Centroid(2)% 求的图像4质心的坐标 
 indimage=rgb2ind(image,map);%将待处理图片转换为索引图像
[height,width]=size(indimage);%计算灰度索引图像的长宽 
for i=1:height   
        for j=1:width 
            if bwImage4(i,j)==0
               indimage(i,j)=0; 
            end
        end
end
iimage4=ind2rgb(indimage,map);%将处理后的索引图像转换为真彩色图像
% figure;
% imshow(iimage4);
% title('4');
rect=[x4-80 y4-80 x4+80 y4+80]; 
a4=imcrop(iimage4,rect);% 用imcrop裁剪：
figure;  
imshow(a4);  
imwrite(a4,'a4.bmp')
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%


%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
LL5 = ismember(L0,Index(5));%判断一个集合是否为另一个的子集，此地方是。
bwImage5 = bwlabel(LL5);%进行标注
bwImage5 = imfill(bwImage5,'holes');%%对二值图像中的目标孔进行填充点
stats5=regionprops(bwImage5,'Centroid');
x5=stats5.Centroid(1)% 求的图像5质心的坐标  
y5=stats5.Centroid(2)% 求的图像5质心的坐标 
 indimage=rgb2ind(image,map);%将待处理图片转换为索引图像
[height,width]=size(indimage);%计算灰度索引图像的长宽 
for i=1:height   
        for j=1:width 
            if bwImage5(i,j)==0
               indimage(i,j)=0; 
            end
        end
end
iimage5=ind2rgb(indimage,map);%将处理后的索引图像转换为真彩色图像
% figure;
% imshow(iimage5);
% title('5');
rect=[x5-80 y5-80 x5+80 y5+80]; 
a5=imcrop(iimage5,rect);% 用imcrop裁剪：
figure;  
imshow(a5);  
imwrite(a5,'a5.bmp')
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
LL6 = ismember(L0,Index(6));%判断一个集合是否为另一个的子集，此地方是。
bwImage6 = bwlabel(LL6);%进行标注
bwImage6 = imfill(bwImage6,'holes');%%对二值图像中的目标孔进行填充点
stats6=regionprops(bwImage6,'Centroid');
x6=stats6.Centroid(1)% 求的图像6质心的坐标  
y6=stats6.Centroid(2)% 求的图像6质心的坐标 
 indimage=rgb2ind(image,map);%将待处理图片转换为索引图像
[height,width]=size(indimage);%计算灰度索引图像的长宽 
for i=1:height   
        for j=1:width 
            if bwImage6(i,j)==0
               indimage(i,j)=0; 
            end
        end
end
iimage6=ind2rgb(indimage,map);%将处理后的索引图像转换为真彩色图像
% figure;
% imshow(iimage6);
% title('6');
rect=[x6-50 y6-50 x6+50 y6+50]; 
a6=imcrop(iimage6,rect);% 用imcrop裁剪：
figure;  
imshow(a6);  
imwrite(a6,'a5.bmp')
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    

     


最后运行情况也贴出来吧。
  
  

           做到现在这个情况，当然还没有实现想要的效果，但是基本的框架已经搭好了，现在的问题还有2个。1是平移，可以看见我们运行后的第一张图片，我是进行了平移处理的（即把莲子的质心移动到背景的中心点），也不知道哪里的原因，运行出来时那种情况。2是截取图像，我的想法是把平移好的莲子，通过imcorp函数实现，但是也存在一点点问题，老是截出来的图大小不一。请各位大虾帮帮忙啊。

GEE了利用霍夫变换提取几何图形
本文利用GEE提供的Hough Transform函数探测线或圆等几何图形。先来看看霍夫变换是什么？

1、霍夫变换检测直线原理

霍夫变换，英文名称Hough Transform，作用是用来检测图像中的直线或者圆等几何图形的。

一条直线的表示方法有好多种，最常见的是  y=mx+b 的形式。 假设有一幅图像，经过滤波，边缘检测等操作，怎么把这张图片中的直线提取出来。基本的思考流程是：如果直线 y=mx+b 在图片中，那么图片中，必需有N多点在直线上（像素点代入表达式成立），只要有这条直线上的两个点，就能确定这条直线。该问题可以转换为：求解所有的(m,b)组合

再来看看实例代码
// 利用Landsat8影像，计算NDVI
var image = ee.Image('LANDSAT/LC08/C01/T1_TOA/LC08_033032_20170719');
var ndvi = image.normalizedDifference(['B5', 'B4']);
// 先利用边缘检测出边界
var canny = ee.Algorithms.CannyEdgeDetector({
  image: ndvi,
  threshold: 0.4
}).multiply(255);

// 对上述边缘检测利用霍夫变换提取直线
//inputThreshold表示大于输入值像元被考虑；
//lineThreshold我理解是线上大于100个点被探测为直线
var h = ee.Algorithms.HoughTransform({
  image: canny,
  gridSize: 256,
  inputThreshold: 50,
  lineThreshold: 100
});

// 来进行图像显示
Map.setCenter(-103.80140, 40.21729, 13);
Map.addLayer(image, {bands: ['B4', 'B3', 'B2'], max: 0.3}, 'source_image');
Map.addLayer(canny.updateMask(canny), {min: 0, max: 1, palette: 'blue'}, 'canny');
Map.addLayer(h.updateMask(h), {min: 0, max: 1, palette: 'red'}, 'hough');

来看看运行结果

蓝色为边缘检测得到结果

红色为霍夫变换检测结果，明显比边缘检测得到少