融合色調(diào)梯度的彩色圖像邊緣檢測(cè)方法
【專利摘要】本發(fā)明公開(kāi)了一種融合色調(diào)梯度的彩色圖像邊緣檢測(cè)方法，用于解決現(xiàn)有彩色圖像邊緣檢測(cè)方法實(shí)用性差的技術(shù)問(wèn)題。技術(shù)方案是首先將彩色圖像從RGB彩色空間轉(zhuǎn)換到HSV彩色空間，并利用圓形色調(diào)距離計(jì)算色調(diào)分量的梯度，采用符號(hào)型色調(diào)距離計(jì)算色調(diào)分量的梯度；然后利用PCA主成分分析法獲取RGB彩色圖像的第一主成分，該主成分較傳統(tǒng)方法獲得的亮度圖像包含更為豐富的邊緣信息；利用經(jīng)典梯度算子計(jì)算第一主成分的梯度，最后融合色調(diào)分量和第一主成分的梯度圖像，利用形態(tài)學(xué)細(xì)化算法得到最終的彩色圖像邊緣。本發(fā)明克服了【背景技術(shù)】中梯度算子難以應(yīng)用到色調(diào)分量的缺陷，獲得了較為完整的彩色圖像邊緣，實(shí)用性強(qiáng)。
【專利說(shuō)明】融合色調(diào)梯度的彩色圖像邊緣檢測(cè)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種彩色圖像邊緣檢測(cè)方法，特別是涉及一種融合色調(diào)梯度的彩色圖 像邊緣檢測(cè)方法。

【背景技術(shù)】
[0002] 邊緣檢測(cè)是圖像處理和計(jì)算機(jī)視覺(jué)中的關(guān)鍵步驟，有關(guān)圖像邊緣檢測(cè)的研究已有 較多較為經(jīng)典的方法。近年來(lái)，由于彩色圖像的應(yīng)用領(lǐng)域越來(lái)越廣，其涉及到的相關(guān)算法 成為新的研究熱點(diǎn)。關(guān)于彩色圖像的邊緣檢測(cè)問(wèn)題，雖然已有較多的研究成果，然而，由于 彩色圖像的多通道特點(diǎn)，導(dǎo)致難以將灰度邊緣檢測(cè)算子（例如：Canny、Sobel、Prewwit和 Robert)直接拓展到彩色邊緣檢測(cè)中。
[0003] 研究表明，將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，然后利用傳統(tǒng)的邊緣檢測(cè)算子提取邊緣， 結(jié)果較實(shí)際的彩色圖像邊緣丟失了 10%的信息，為了得到丟失的10%邊緣信息，學(xué)者們提 出了大量的方法，這些方法主要分為三類：矢量梯度計(jì)算方法（VG)、基于降維理論的邊緣 檢測(cè)方法和單分量融合法。VG方法利用二階微分算子的原理獲取矢量圖像的梯度，并考慮 了矢量梯度的方向信息，得到的彩色圖像邊緣較傳統(tǒng)的單通道合成方法具有更多的細(xì)節(jié)邊 緣，對(duì)弱邊緣亦具有較好的響應(yīng)。將矢量排序算法與數(shù)學(xué)形態(tài)學(xué)梯度算子相結(jié)合，學(xué)者們提 出了基于數(shù)學(xué)形態(tài)學(xué)梯度算子的彩色圖像邊緣檢測(cè)算子（RCMG)，從而將形態(tài)學(xué)梯度算子推 廣到彩色圖像邊緣檢測(cè)中。
[0004] 由于矢量排序統(tǒng)計(jì)理論的主要問(wèn)題在于較高的計(jì)算復(fù)雜性，因此為了降低矢量排 序算法的時(shí)耗，出現(xiàn)了第二類彩色圖像邊緣檢測(cè)方法。該類方法通常采用降維算法將三分 量的彩色圖像轉(zhuǎn)換成單分量灰度圖像進(jìn)行處理，因此該類方法的優(yōu)勢(shì)在于可以將灰度圖像 邊緣檢測(cè)方法直接拓展到彩色圖像邊緣檢測(cè)中。由于PCA是一種能夠去除矢量中各分量之 間相關(guān)性的線性變換，得到相互獨(dú)立的新矢量，各矢量根據(jù)對(duì)整體矢量的貢獻(xiàn)率從高到低 進(jìn)行排列。因此PCA可用于彩色圖像邊緣檢測(cè)以解決矢量排序方法帶來(lái)的計(jì)算復(fù)雜度高的 問(wèn)題，基于該思想，學(xué)者們給出了一種在彩色圖像的亮度分量中直接檢測(cè)圖像邊緣的方法 (CE-PCA)，該方法僅計(jì)算彩色圖像的第一主成分，并利用經(jīng)典的邊緣檢測(cè)算子檢測(cè)第一主 成分的邊緣信息，得到較傳統(tǒng)方法更優(yōu)的邊緣檢測(cè)結(jié)果，且具有更低的計(jì)算復(fù)雜度。
[0005] 單分量融合法是最早的彩色邊緣檢測(cè)方法，該類方法的優(yōu)勢(shì)在于能將灰度邊緣檢 測(cè)算子直接拓展到彩色圖圖像處理中，缺陷在于如何定義分量是個(gè)難題。早期的方法直接 對(duì)R/G/B三個(gè)分量分別進(jìn)行處理，該方法不僅對(duì)噪聲非常敏感，而且由于RGB彩色空間并 不符合人眼的視覺(jué)感知，因此處理結(jié)果含有較多的偽邊緣。文獻(xiàn)"Fusion of intensity and inter-component chromatic difference for effective and robust colour edge detection，IET Image Processing，2010, Vol4 (4)，p294_301 " 公開(kāi)了一種融合亮度和分量 色差的彩色圖像邊緣檢測(cè)方法（FICD)。該方法首先利用色差圖像累加組合成一幅灰度圖 像，然后利用亮度圖像G作為權(quán)重系數(shù)得到新的R灰度圖像，最后融合亮度圖像G和R圖像 的邊緣得到最終的邊緣。該方法考慮了色差信息，較傳統(tǒng)的方法能檢測(cè)到更多的細(xì)節(jié)邊緣。 然而，該方法利用亮度圖像G定義新生成的圖像D，給出的公式涉及三個(gè)參數(shù)，同時(shí)利用G圖 像和D圖像得到R圖像，又涉及兩個(gè)參數(shù)，對(duì)參數(shù)的選取作者僅僅給出兩個(gè)公式，而這些公 式存在經(jīng)驗(yàn)成分，缺乏理論依據(jù)，據(jù)此計(jì)算圖像的色差既增加了復(fù)雜性又缺少理論依據(jù)，因 此不能將經(jīng)典的梯度計(jì)算方法拓展到色調(diào)圖像中，顯然該方法不具有廣泛的適用性。


【發(fā)明內(nèi)容】

[0006] 為了克服現(xiàn)有彩色圖像邊緣檢測(cè)方法實(shí)用性差的不足，本發(fā)明提供一種融合色調(diào) 梯度的彩色圖像邊緣檢測(cè)方法。該方法首先將彩色圖像從RGB彩色空間轉(zhuǎn)換到HSV彩色空 間，并利用圓形色調(diào)距離計(jì)算色調(diào)分量的梯度；然后利用PCA主成分分析法獲取RGB彩色圖 像的第一主成分，利用經(jīng)典梯度算子計(jì)算第一主成分的梯度；最后融合色調(diào)分量和第一主 成分的梯度圖像，利用形態(tài)學(xué)細(xì)化算法得到最終的彩色圖像邊緣。本發(fā)明克服了【背景技術(shù)】 中梯度算子難以應(yīng)用到色調(diào)分量的缺陷，獲得了較為完整的彩色圖像邊緣，實(shí)用性強(qiáng)。
[0007] 本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是：一種融合色調(diào)梯度的彩色圖像邊緣 檢測(cè)方法，其特點(diǎn)是采用以下步驟：
[0008] (1)待處理的彩色圖像f尺寸為MXN，M和N分別表示彩色圖像f?的高度和寬度， 定義結(jié)構(gòu)元素對(duì)為B = {BF(；，BbJ，Canny算子的閾值為T(mén)h。
[0009] (2)利用色調(diào)公式計(jì)算色調(diào)分量fH，利用PCA獲取彩色圖像f的第一主成分f。
[0010] 計(jì)算色調(diào)分量的公式：
[0011]

【權(quán)利要求】
1. 一種融合色調(diào)梯度的彩色圖像邊緣檢測(cè)方法，其特征在于包括以下步驟： (1) 待處理的彩色圖像f尺寸為MXN，M和N分別表示彩色圖像f的高度和寬度，定義 結(jié)構(gòu)元素對(duì)為B = {BF(；，BbJ，Canny算子的閾值為T(mén)h ; (2) 利用色調(diào)公式計(jì)算色調(diào)分量fH，利用PCA獲取彩色圖像f的第一主成分f ; 計(jì)算色調(diào)分量的公式：
(a) 將彩色圖像f轉(zhuǎn)換為尺寸為KX 3的矩陣X，X = (X1, x2, x3)T，其中，Xi = (X1, X2，… xK)T，K = MXN，1 彡 i 彡 3 ; (b) 計(jì)算矩陣X的協(xié)方差矩陣Cx
(c) 計(jì)算協(xié)方差矩陣Cx的特征根及相應(yīng)的單位特征向量A = (A1, A2，八)，特征向量 U= (U1, U2, U3);取最大特征值X 對(duì)應(yīng)的特征向量Ui 入匪= (d) 利用特征向量Ui重建第一主成分f對(duì)應(yīng)的圖像 f = (Ui)1X (X-mx)+mx (3) 利用Canny算子檢測(cè)PCA第一主成分f的邊緣圖像Gf ; (4) 利用色調(diào)梯度計(jì)算方法計(jì)算色調(diào)分量fH的梯度，然后將梯度結(jié)果代入Canny算子 計(jì)算梯度的位置，得到邊緣圖像; ClO^hj)具有確定的距離1 ;由于圖像梯度計(jì)算主要依賴于像素求差運(yùn)算，根據(jù)這一特 性，確定任意兩個(gè)色調(diào)數(shù)據(jù)Iii和Iij的色差在[0 31]范圍之內(nèi)，色差d (I^hj)用Iii+ Iij表示： I = rX 0
將hi + h代入梯度算子Sobel計(jì)算色調(diào)分量的梯度，Gf是水平梯度算子，Gf是垂直梯 度算子，Gh是總梯度算子；
將梯度結(jié)果總梯度算子Gh代入Canny算子中的梯度部分，得到色調(diào)分量的邊緣圖像 6V ; (5) 對(duì)步驟3和步驟4得到的邊緣圖像求并集，得到融合后的邊緣圖像Gf ; Gf = Gf U Gtff (6) 由于融合后的邊緣圖像存在粗邊緣，利用形態(tài)學(xué)細(xì)化算法得到單線條邊緣： (a) 初始化：i = 1 ; (b) 利用Ti(Gf)=廣1 (Gf)-HMTb (Gf)細(xì)化邊緣圖像Gf ; 其中，//MG(Gf) = A" (Gf )門(mén)6，《,.,.(〇，），T0(Gf) = Gf，T1(Gf) = T0 (Gf)-腿Tb 1，2,…n ; (c) 如果Tn(Gf) = Tlri (Gf)，則轉(zhuǎn)入步驟（d);否則返回步驟（b); ⑷輸出細(xì)化的邊緣圖像Tn(Gf)。
【文檔編號(hào)】G06T7/00GK104331877SQ201410538061
【公開(kāi)日】2015年2月4日 申請(qǐng)日期:2014年10月13日 優(yōu)先權(quán)日:2014年10月13日
【發(fā)明者】雷濤, 樊養(yǎng)余, 王毅 申請(qǐng)人:西北工業(yè)大學(xué)