一種彩色圖像邊緣檢測方法

2023-05-21 05:06:16 2

專利名稱：一種彩色圖像邊緣檢測方法
技術領域：
本發明屬於計算機視覺技術領域，特別涉及彩色圖像的邊緣檢測。
背景技術：
彩色圖像提供了比灰度圖像更為豐富的信息，因此彩色圖像處理正受到越來越多的關注。自然圖像中，顏色和亮度邊緣信息對於場景理解都具有重要作用，為了從複雜自然圖像中有效的提取邊緣信息，目前主要存在兩類彩色圖像邊緣檢測方法一類方法是在彩色圖像的各個通道使用灰度邊緣檢測方法，這種方法並不能有效檢測顏色邊緣；另ー些方法首先將彩色圖像轉換到各種顏色空間，並分別計算顏色和亮度邊緣，再合併顏色信息和亮度信息來提取圖像的邊緣。比較典型的方法有Martin等2004年提出的方法，參見文獻 D. R. Martin，し· C. FowiKes and J. Malik. Learning to detect natural image boundaries using local brightness, color, and texture cues. Pattern Analysis and Macnine Intelligence, IEEE Transactions on, 2004, 26 (5) :530_549，該方法首先將圖像轉換到 CIELab空間，在分別在L、a、b通道計算梯度信息，從而能夠有效檢測顏色和亮度邊緣。但該方法的主要缺陷在於為了提取彩色圖像的邊緣信息，必須分別提取亮度和顏色信息，然後再通過訓練加權合井，得到邊緣圖像，其計算複雜，靈活性差。

發明內容
本發明的目的是為了解決現有的上述彩色圖像邊緣檢測方法存在的缺陷，提出了 ー種彩色圖像邊緣檢測方法。為了實現上述目的，本發明的技術方案是一種彩色圖像邊緣檢測方法，包括如下步驟Si.提取各顏色通道圖像將輸入的彩色圖像分解為紅色、緑色和藍色三個顏色通道圖像；再將紅、綠通道圖像的平均值作為黃色通道圖像；S2.生成顏色拮抗圖像將步驟Sl得到的紅色和緑色通道圖像分別乘上預先設定的兩個拮抗權重因子，相加得到紅綠拮抗圖像；同樣的，通過預先設定的另外兩個拮抗權重因子，利用藍色和黃色通道圖像計算得到藍黃拮抗圖像；S3.計算邊緣信息分布圖像分別計算步驟S2得到的紅綠拮抗圖像和藍黃拮抗圖像，得到紅綠邊緣信息分布圖像和藍黃邊緣信息分布圖像，取紅綠和藍黃邊緣信息分布圖像對應位置的最大值，得到邊緣信息分布圖像；S4.邊緣細化處理用邊緣細化方法對步驟S3得到的邊緣信息分布圖像進行處理，得到最終的邊緣圖像。步驟S3所述的得到紅綠邊緣信息分布圖像和藍黃邊緣信息分布圖像的具體計算過程如下構建多個方向下的梯度運算模板，分別對步驟S2得到的紅綠拮抗圖像進行濾波處理，並對濾波輸出圖像中每個像素點的灰度值取絕對值，得到對應方向下的梯度信息分布圖；再選取每個方向下的梯度信息分布圖中對應位置的最大值作為該位置的邊緣信息強度，得到紅綠邊緣信息分布圖像；按照同樣的計算方法對藍黃拮抗圖像進行處理得到藍黃邊緣信息分布圖像。作為ー個較佳的實施例，步驟Sl還包括利用平滑濾波器對四個通道圖像進行平滑處理的過程。上述平滑濾波器的尺度參數值的取值範圍為1 5。上述步驟S3中所述的梯度運算的多個方向具體為在180度範圍內等弧度分布， 方向個數為8 18。上述步驟S4中所述的邊緣細化方法具體為非極大值抑制方法。本發明的有益效果本發明的方法首先將彩色圖像分解到紅色、緑色、藍色和黃色四個通道圖像，然後分別計算紅綠、藍黃拮抗圖像，並在拮抗圖像上計算得到邊緣信息分布圖像，通過調節步驟S2中引入的兩組拮抗權重因子，可以方便的調節圖像中顏色邊緣和亮度邊緣的強度，實現靈活有效的邊緣檢測。在計算紅綠拮抗圖像吋，當兩個拮抗權重因子同號時，該方法利於檢測亮度邊緣，特別當兩個拮抗權重因子相等吋，僅檢測有高度差別的邊緣；相反，當兩個拮抗權重因子異號時，該方法利於檢測顏色邊緣，特別當兩個拮抗權重因子符號相反，大小相等吋，僅檢測有顏色差別的邊緣。在計算藍黃拮抗圖像時也是如此。另外，步驟S2中，為紅綠和藍黃拮抗圖像的計算分別設置不同的兩組拮抗權重因子，還可以選擇性地加強紅綠邊緣信息或藍黃邊緣信息。本發明的檢測方法具有通過簡單參數選擇， 有效的檢測自然彩色圖像中亮度、顏色邊緣信息，同時也可以有選擇地提取亮度或顏色邊緣信息。本發明的方法具有計算簡単，靈活有效等特點。


圖1是本發明ー種彩色圖像邊緣檢測方法的流程示意圖。圖2是拮抗權重因子選擇與邊緣響應關係示意圖。圖3是實施例中採用本發明方法對彩色自然圖像進行實際檢測的邊緣圖及與標準邊緣圖、亮度邊緣圖以及顏色邊緣圖的對比圖組。
具體實施例方式下面結合附圖和具體的實施例對本發明做進ー步的闡述。人類視覺系統利用顏色拮抗原理對顏色和亮度信息具有同時加工的能力。視覺神經元的感受野作為視覺系統顏色信息處理的基本単元，在處理彩色信息時具有的紅綠、藍黃顏色拮抗特性，基於此提出了本發明的方法。下面通過ー實施例進行具體說明。從目前國際公認的驗證輪廓提取算法效果的圖像庫網站上下載101087圖像及其對應的標準輪廓檢測結果，圖像大小均為481X321，其中101087圖像為M位真彩色圖像， 標準輪廓檢測結果是由多個人手工勾畫後疊加得到的。具體檢測方法的流程如圖1所示， 具體過程如下Si.提取各顏色通道圖像首先將輸入的彩色圖像分解為紅色、緑色和藍色三個顏色通道圖像；再計算紅、綠通道的平均值作為黃色通道圖像。以像素點(200，200)為例， 該像素點在紅、綠、藍通道灰度值分別為99、82和30，黃色通道中該位置處像素灰度值為
4紅綠通道對應位置像素灰度值的平均值，即像素點(200，200)在黃色通道中的值為90. 5 ； 利用尺度參數為1. 5的高斯平滑濾波器對四個通道圖像分別進行平滑處理。平滑處理後像素點(200,200)在紅、綠、藍和黃通道中的灰度值分別為113. 5720、97. 6701、41.4333和 105.6201。這裡對每個通道圖像分別進行平滑濾波處理是ー個可選過程，目的在於有效地抑制圖像的噪聲，可以根據實際需要選擇合適的平滑濾波器尺度，一般來說，尺度參數值的取值範圍為1 5。S2.生成顏色拮抗圖像分別將經步驟Sl所得平滑後的紅色(R)和緑色(G)通道圖像分別乘上預先設定的兩個拮抗權重因子，相加得到紅綠拮抗圖像。這裡，拮抗權重因子的取值除不同時為零外，範圍不限，可根據需求進行設定。本實施例中預先設定紅色和緑色通道圖像拮抗權重因子分別為=O1 = 1.0，ω2 ="O. 5 ；再通過計算Irg = ω'+CO2G,得到紅綠拮抗圖像(Irg)；以像素點(200，200)為例， 該點在紅綠拮抗圖像中灰度值為1. 0X113. 5720+(-0. 5) X97. 6701 = 64. 7370。同樣的過程，通過預先設定的另外兩個拮抗權重因子ω3、ω4，利用平滑後的藍色和黃色通道圖像計算得到藍黃拮抗圖像。圖2說明拮抗權重因子的選擇對邊緣響應的影響。為方便表達，僅以亮度邊緣和純紅綠邊緣為例，同時固定Q1 = 1。由圖可見，當CO1與ω2同號吋，亮度邊緣的響應大於顏色邊緣，特別當Q1 = ω2，顏色邊緣響應為0;當Co1與《2異號吋，顏色邊緣的響應大於亮度邊緣，特別當Ιω」=I ω2|，亮度邊緣響應為O。基於此，可以根據需求靈活選擇拮抗權重因子。上述生成紅綠拮抗圖像用到的一組拮抗權重因子和生成藍黃拮抗圖像用到的一組拮抗權重因子可以相同，也可以不同，在本實施例中，為了計算方便和便於說明問題，用了相同的兩組拮抗權重因子，即預先設定紅色和緑色通道圖像拮抗權重因子ω」 ω2分別為ωι = L0，ω2 = -0. 5 ；預先設定藍色和黃色通道圖像拮抗權重因子ω3、ω4分別與ωい ω2相同，即取值分別是ω3= CO1 = 1.0，ω4=ω2 = _0. 5。在得到圖3c、圖3d的過程中，用到的也是兩組相同的拮抗權重因子。S3.計算邊緣信息分布圖像利用高斯函數的ー階導數構建8個方向下的梯度運算模板，井分別對經步驟S2計算得到的紅綠圖像進行濾波處理，例如像素點(200，200)在各個方向下濾波後的灰度值分別為-5. 0702、-2. 7997,0. 3482,2. 6581,4. 1599,5. 0618、 5. 3494,5. 4556 ；再對每個灰度值取絕對值分別為5. 0702,2. 7997,0. 3482,2. 6581、 4. 1599,5. 0618,5. 3494,5. 4556 ；按照同樣方式對圖像中各個像素，得到8個方向下的梯度信息分布圖；再選取每個方向下的梯度信息分布圖中對應位置的最大值作為該位置的邊緣信息強度，得到紅綠邊緣信息分布圖像，其中，像素點(200，200)處的灰度值為5. 4556;按照同樣的計算方法，在藍黃拮抗圖像上計算到藍黃邊緣信息分布圖像，其中，像素點(200， 200)處的灰度值為2. 3568 ；取紅綠和藍黃邊緣信息分布圖像對應位置的最大值，得到邊緣信息分布圖像，其中，像素點(200，200)處的灰度值為5.4556。 可以看出，這裡也可以用其它方法計算邊緣信息分布圖像。 S4.邊緣細化處理對步驟S3得到的邊緣信息分布圖像進行處理，得到單個像素
寬度邊緣圖，即可得到最終的邊緣圖像。
這裡具體可以採用非極大值抑制方法。邊緣強度值範圍為0-1，其中，像素點 (200,200)處的灰度值為0。步驟S2中，選擇不同的拮抗權重因子可以靈活控制亮度或顏色邊緣，例如拮抗權重因子W1 = 1. 0，ω2 = 1. 0吋，只檢測亮度邊緣，最終檢測到的邊緣圖像如圖3c所示；拮抗權重因子Q1 = 1.0，ω2 = -1.0吋，只檢測顏色邊緣，最終檢測到的邊緣圖像如圖3d所示；拮抗權重因子Q1 = 1. 0，ω2 = -0. 5吋，可同時檢測到亮度和顏色邊緣，最終檢測到的邊緣圖像如圖3e所示；測試結果如圖3所示，圖中黑色表示值為1，白色表示值為0，其中3a.原始圖像， 3b.標準邊緣圖像，3c.本發明檢測到的亮度邊緣圖像，3d.本發明檢測到顏色邊緣圖像， 3e.本發明同時檢測邊緣亮度和顏色邊緣圖像。從圖中可以清楚看出，採用本發明方法提取彩色圖像邊緣時，可以靈活選擇檢測亮度邊緣或者顏色邊緣，以及同時檢測亮度和顏色邊緣，其計算簡単，靈活。本領域的普通技術人員將會意識到，這裡所述的實施例是為了幫助讀者理解本發明的原理，應被理解為本發明的保護範圍並不局限於這樣的特別陳述和實施例。本領域的普通技術人員可以根據本發明公開的這些技術啟示做出各種不脫離本發明實質的其它各種具體變形和組合，這些變形和組合仍然在本發明的保護範圍內。
權利要求
1.ー種彩色圖像邊緣檢測方法，其特徵在幹，包括如下步驟51.提取各顏色通道圖像將輸入的彩色圖像分解為紅色、緑色和藍色三個顏色通道圖像；再將紅、綠通道圖像的平均值作為黃色通道圖像；52.生成顏色拮抗圖像將步驟Sl得到的紅色和緑色通道圖像分別乘上預先設定的兩個拮抗權重因子，相加得到紅綠拮抗圖像；同樣的，通過預先設定的另外兩個拮抗權重因子，利用藍色和黃色通道圖像計算得到藍黃拮抗圖像；53.計算邊緣信息分布圖像分別計算步驟S2得到的紅綠拮抗圖像和藍黃拮抗圖像， 得到紅綠邊緣信息分布圖像和藍黃邊緣信息分布圖像，取紅綠和藍黃邊緣信息分布圖像對應位置的最大值，得到邊緣信息分布圖像；54.邊緣細化處理用邊緣細化方法對步驟S3得到的邊緣信息分布圖像進行處理，得到最終的邊緣圖像。
2.根據權利要求1所述的彩色圖像邊緣檢測方法，其特徵在幹，步驟S3所述的得到紅綠邊緣信息分布圖像和藍黃邊緣信息分布圖像的具體計算過程如下構建多個方向下的梯度運算模板，分別對步驟S2得到的紅綠拮抗圖像進行濾波處理，並對濾波輸出圖像中每個像素點的灰度值取絕對值，得到對應方向下的梯度信息分布圖；再選取每個方向下的梯度信息分布圖中對應位置的最大值作為該位置的邊緣信息強度，得到紅綠邊緣信息分布圖像；按照同樣的計算方法對藍黃拮抗圖像進行處理得到藍黃邊緣信息分布圖像。
3.根據權利要求1或2所述的彩色圖像邊緣檢測方法，其特徵在幹，步驟Sl還包括利用平滑濾波器對四個通道圖像進行平滑處理的過程。
4.根據權利要求3所述的彩色圖像邊緣檢測方法，其特徵在幹，所述平滑濾波器的尺度參數值的取值範圍為1 5。
5.根據權利要求4所述的彩色圖像邊緣檢測方法，其特徵在幹，步驟S3中所述的梯度運算的多個方向具體為在180度範圍內等弧度分布，方向個數為8 18。
6.根據權利要求4或5所述的彩色圖像邊緣檢測方法，其特徵在幹，步驟S4中所述的邊緣細化方法具體為非極大值抑制方法。
全文摘要
本發明公開了一種彩色圖像邊緣檢測方法，具體包括提取各顏色通道圖像、生成顏色拮抗圖像、計算邊緣信息分布圖像和邊緣細化處理。本發明的方法首先將彩色圖像分解到紅色、綠色、藍色和黃色四個通道圖像，然後分別計算紅綠、藍黃拮抗圖像，並在拮抗圖像上計算得到邊緣信息分布圖像，通過調節計算生成顏色拮抗圖像過程中引入的兩組拮抗權重因子，可以方便的調節圖像中顏色邊緣和亮度邊緣的強度，實現靈活有效的邊緣檢測。本發明的檢測方法具有通過簡單參數選擇，有效的檢測自然彩色圖像中亮度、顏色邊緣信息，同時也可以有選擇地提取亮度或顏色邊緣信息。
文檔編號G06T5/00GK102567969SQ201110448119
公開日2012年7月11日 申請日期2011年12月28日 優先權日2011年12月28日
發明者張 浩, 李朝義, 李永傑, 楊開富 申請人:電子科技大學