CN102567969B

CN102567969B - 一种彩色图像边缘检测方法

Info

Publication number: CN102567969B
Application number: CN201110448119.1A
Authority: CN
Inventors: 李永杰; 杨开富; 张�浩; 李朝义
Original assignee: University of Electronic Science and Technology of China
Current assignee: University of Electronic Science and Technology of China
Priority date: 2011-12-28
Filing date: 2011-12-28
Publication date: 2014-06-18
Anticipated expiration: 2031-12-28
Also published as: CN102567969A

Abstract

本发明公开了一种彩色图像边缘检测方法，具体包括提取各颜色通道图像、生成颜色拮抗图像、计算边缘信息分布图像和边缘细化处理。本发明的方法首先将彩色图像分解到红色、绿色、蓝色和黄色四个通道图像，然后分别计算红绿、蓝黄拮抗图像，并在拮抗图像上计算得到边缘信息分布图像，通过调节计算生成颜色拮抗图像过程中引入的两组拮抗权重因子，可以方便的调节图像中颜色边缘和亮度边缘的强度，实现灵活有效的边缘检测。本发明的检测方法具有通过简单参数选择，有效的检测自然彩色图像中亮度、颜色边缘信息，同时也可以有选择地提取亮度或颜色边缘信息。

Description

一种彩色图像边缘检测方法

技术领域

本发明属于计算机视觉技术领域，特别涉及彩色图像的边缘检测。

背景技术

彩色图像提供了比灰度图像更为丰富的信息，因此彩色图像处理正受到越来越多的关注。自然图像中，颜色和亮度边缘信息对于场景理解都具有重要作用，为了从复杂自然图像中有效的提取边缘信息，目前主要存在两类彩色图像边缘检测方法：一类方法是在彩色图像的各个通道使用灰度边缘检测方法，这种方法并不能有效检测颜色边缘；另一些方法首先将彩色图像转换到各种颜色空间，并分别计算颜色和亮度边缘，再合并颜色信息和亮度信息来提取图像的边缘。比较典型的方法有Martin等2004年提出的方法，参见文献：D.R.Martin，C.C.Fowlkes and J.Malik.Learning to detect natural image boundaries using local brightness，color，and texture cues.Pattern Analysis and Machine Intelligence，IEEE Transactions on，2004，26(5)：530-549，该方法首先将图像转换到CIELab空间，在分别在L、a、b通道计算梯度信息，从而能够有效检测颜色和亮度边缘。但该方法的主要缺陷在于为了提取彩色图像的边缘信息，必须分别提取亮度和颜色信息，然后再通过训练加权合并，得到边缘图像，其计算复杂，灵活性差。

发明内容

本发明的目的是为了解决现有的上述彩色图像边缘检测方法存在的缺陷，提出了一种彩色图像边缘检测方法。

为了实现上述目的，本发明的技术方案是：一种彩色图像边缘检测方法，包括如下步骤：

S1.提取各颜色通道图像：将输入的彩色图像分解为红色、绿色和蓝色三个颜色通道图像；再将红、绿通道图像的平均值作为黄色通道图像；

S2.生成颜色拮抗图像：将步骤S1得到的红色和绿色通道图像分别乘上预先设定的两个拮抗权重因子，相加得到红绿拮抗图像；同样的，通过预先设定的另外两个拮抗权重因子，利用蓝色和黄色通道图像计算得到蓝黄拮抗图像；

S3.计算边缘信息分布图像：分别计算步骤S2得到的红绿拮抗图像和蓝黄拮抗图像，得到红绿边缘信息分布图像和蓝黄边缘信息分布图像，取红绿和蓝黄边缘信息分布图像对应位置的最大值，得到边缘信息分布图像；

S4.边缘细化处理：用边缘细化方法对步骤S3得到的边缘信息分布图像进行处理，得到最终的边缘图像。

步骤S3所述的得到红绿边缘信息分布图像和蓝黄边缘信息分布图像的具体计算过程如下：构建多个方向下的梯度运算模板，分别对步骤S2得到的红绿拮抗图像进行滤波处理，并对滤波输出图像中每个像素点的灰度值取绝对值，得到对应方向下的梯度信息分布图；再选取每个方向下的梯度信息分布图中对应位置的最大值作为该位置的边缘信息强度，得到红绿边缘信息分布图像；按照同样的计算方法对蓝黄拮抗图像进行处理得到蓝黄边缘信息分布图像。

作为一个较佳的实施例，步骤S1还包括利用平滑滤波器对四个通道图像进行平滑处理的过程。

上述平滑滤波器的尺度参数值的取值范围为1～5。

上述步骤S3中所述的梯度运算的多个方向具体为：在180度范围内等弧度分布，方向个数为8～18。

上述步骤S4中所述的边缘细化方法具体为非极大值抑制方法。

本发明的有益效果：本发明的方法首先将彩色图像分解到红色、绿色、蓝色和黄色四个通道图像，然后分别计算红绿、蓝黄拮抗图像，并在拮抗图像上计算得到边缘信息分布图像，通过调节步骤S2中引入的两组拮抗权重因子，可以方便的调节图像中颜色边缘和亮度边缘的强度，实现灵活有效的边缘检测。在计算红绿拮抗图像时，当两个拮抗权重因子同号时，该方法利于检测亮度边缘，特别当两个拮抗权重因子相等时，仅检测有亮度差别的边缘；相反，当两个拮抗权重因子异号时，该方法利于检测颜色边缘，特别当两个拮抗权重因子符号相反，大小相等时，仅检测有颜色差别的边缘。在计算蓝黄拮抗图像时也是如此。另外，步骤S2中，为红绿和蓝黄拮抗图像的计算分别设置不同的两组拮抗权重因子，还可以选择性地加强红绿边缘信息或蓝黄边缘信息。本发明的检测方法具有通过简单参数选择，有效的检测自然彩色图像中亮度、颜色边缘信息，同时也可以有选择地提取亮度或颜色边缘信息。本发明的方法具有计算简单，灵活有效等特点。

附图说明

图1是本发明一种彩色图像边缘检测方法的流程示意图。

图2是拮抗权重因子选择与边缘响应关系示意图。

图3是实施例中采用本发明方法对彩色自然图像进行实际检测的边缘图及与标准边缘图、亮度边缘图以及颜色边缘图的对比图组。

具体实施方式

下面结合附图和具体的实施例对本发明做进一步的阐述。

人类视觉系统利用颜色拮抗原理对颜色和亮度信息具有同时加工的能力。视觉神经元的感受野作为视觉系统颜色信息处理的基本单元，在处理彩色信息时具有的红绿、蓝黄颜色拮抗特性，基于此提出了本发明的方法。

下面通过一实施例进行具体说明。

从目前国际公认的验证轮廓提取算法效果的图像库网站上下载101087图像及其对应的标准轮廓检测结果，图像大小均为481×321，其中101087图像为24位真彩色图像，标准轮廓检测结果是由多个人手工勾画后叠加得到的。具体检测方法的流程如图1所示，具体过程如下：

S1.提取各颜色通道图像：首先将输入的彩色图像分解为红色、绿色和蓝色三个颜色通道图像；再计算红、绿通道的平均值作为黄色通道图像。以像素点(200，200)为例，该像素点在红、绿、蓝通道灰度值分别为99、82和30，黄色通道中该位置处像素灰度值为红绿通道对应位置像素灰度值的平均值，即像素点(200，200)在黄色通道中的值为90.5；利用尺度参数为1.5的高斯平滑滤波器对四个通道图像分别进行平滑处理。平滑处理后像素点(200，200)在红、绿、蓝和黄通道中的灰度值分别为113.5720、97.6701、41.4333和105.6201。

这里对每个通道图像分别进行平滑滤波处理是一个可选过程，目的在于有效地抑制图像的噪声，可以根据实际需要选择合适的平滑滤波器尺度，一般来说，尺度参数值的取值范围为1～5。

S2.生成颜色拮抗图像：分别将经步骤S1所得平滑后的红色(R)和绿色(G)通道图像分别乘上预先设定的两个拮抗权重因子，相加得到红绿拮抗图像。

这里，拮抗权重因子的取值除不同时为零外，范围不限，可根据需求进行设定。

本实施例中预先设定红色和绿色通道图像拮抗权重因子分别为：ω₁＝1.0，ω₂＝-0.5；再通过计算I_rg＝ω₁R+ω₂G，得到红绿拮抗图像(I_rg)；以像素点(200，200)为例，该点在红绿拮抗图像中灰度值为1.0×113.5720+(-0.5)×97.6701＝64.7370。

同样的过程，通过预先设定的另外两个拮抗权重因子ω₃、ω₄，利用平滑后的蓝色和黄色通道图像计算得到蓝黄拮抗图像。

图2说明拮抗权重因子的选择对边缘响应的影响。为方便表达，仅以亮度边缘和纯红绿边缘为例，同时固定ω₁＝1。由图可见，当ω₁与ω₂同号时，亮度边缘的响应大于颜色边缘，特别当ω₁＝ω₂，颜色边缘响应为0；当ω₁与ω₂异号时，颜色边缘的响应大于亮度边缘，特别当|ω₁|＝|ω₂|，亮度边缘响应为0。基于此，可以根据需求灵活选择拮抗权重因子。

上述生成红绿拮抗图像用到的一组拮抗权重因子和生成蓝黄拮抗图像用到的一组拮抗权重因子可以相同，也可以不同，在本实施例中，为了计算方便和便于说明问题，用了相同的两组拮抗权重因子，即预先设定红色和绿色通道图像拮抗权重因子ω₁、ω₂分别为：ω₁＝1.0，ω₂＝-0.5；预先设定蓝色和黄色通道图像拮抗权重因子ω₃、ω₄分别与ω₁、ω₂相同，即取值分别是：ω₃＝ω₁＝1.0，ω₄＝ω₂＝-0.5。在得到图3c、图3d的过程中，用到的也是两组相同的拮抗权重因子。

S3.计算边缘信息分布图像：利用高斯函数的一阶导数构建8个方向下的梯度运算模板，并分别对经步骤S2计算得到的红绿图像进行滤波处理，例如像素点(200，200)在各个方向下滤波后的灰度值分别为：-5.0702、-2.7997、0.3482、2.6581、4.1599、5.0618、5.3494、5.4556；再对每个灰度值取绝对值分别为5.0702、2.7997、0.3482、2.6581、4.1599、5.0618、5.3494、5.4556；按照同样方式对图像中各个像素，得到8个方向下的梯度信息分布图；再选取每个方向下的梯度信息分布图中对应位置的最大值作为该位置的边缘信息强度，得到红绿边缘信息分布图像，其中，像素点(200，200)处的灰度值为5.4556；按照同样的计算方法，在蓝黄拮抗图像上计算到蓝黄边缘信息分布图像，其中，像素点(200，200)处的灰度值为2.3568；取红绿和蓝黄边缘信息分布图像对应位置的最大值，得到边缘信息分布图像，其中，像素点(200，200)处的灰度值为5.4556。

可以看出，这里也可以用其它方法计算边缘信息分布图像。

S4.边缘细化处理：对步骤S3得到的边缘信息分布图像进行处理，得到单个像素宽度边缘图，即可得到最终的边缘图像。

这里具体可以采用非极大值抑制方法。边缘强度值范围为0-1，其中，像素点(200，200)处的灰度值为0。

步骤S2中，选择不同的拮抗权重因子可以灵活控制亮度或颜色边缘，例如拮抗权重因子ω₁＝1.0，ω₂＝1.0时，只检测亮度边缘，最终检测到的边缘图像如图3c所示；拮抗权重因子ω₁＝1.0，ω₂＝-1.0时，只检测颜色边缘，最终检测到的边缘图像如图3d所示；拮抗权重因子ω₁＝1.0，ω₂＝-0.5时，可同时检测到亮度和颜色边缘，最终检测到的边缘图像如图3e所示；

测试结果如图3所示，图中黑色表示值为1，白色表示值为0，其中：3a.原始图像，3b.标准边缘图像，3c.本发明检测到的亮度边缘图像，3d.本发明检测到颜色边缘图像，3e.本发明同时检测边缘亮度和颜色边缘图像。从图中可以清楚看出，采用本发明方法提取彩色图像边缘时，可以灵活选择检测亮度边缘或者颜色边缘，以及同时检测亮度和颜色边缘，其计算简单，灵活。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims

1.一种彩色图像边缘检测方法，其特征在于，包括如下步骤：

所述的两个拮抗权重因子相等，用于检测有亮度差别的边缘；

或者，

所述的两个拮抗权重因子符号相反，大小相等，用于检测有颜色差别的边缘；

2.根据权利要求1所述的彩色图像边缘检测方法，其特征在于，步骤S3所述的得到红绿边缘信息分布图像和蓝黄边缘信息分布图像的具体计算过程如下：构建多个方向下的梯度运算模板，分别对步骤S2得到的红绿拮抗图像进行滤波处理，并对滤波输出图像中每个像素点的灰度值取绝对值，得到对应方向下的梯度信息分布图；再选取每个方向下的梯度信息分布图中对应位置的最大值作为该位置的边缘信息强度，得到红绿边缘信息分布图像；按照同样的计算方法对蓝黄拮抗图像进行处理得到蓝黄边缘信息分布图像。

3.根据权利要求2所述的彩色图像边缘检测方法，其特征在于，步骤S1还包括利用平滑滤波器对四个通道图像进行平滑处理的过程。

4.根据权利要求3所述的彩色图像边缘检测方法，其特征在于，所述平滑滤波器的尺度参数值的取值范围为1～5。

5.根据权利要求4所述的彩色图像边缘检测方法，其特征在于，步骤S3中所述的梯度运算模板的多个方向具体为：在180度范围内等弧度分布，方向个数为8～18。

6.根据权利要求4或5所述的彩色图像边缘检测方法，其特征在于，步骤S4中所述的边缘细化方法具体为非极大值抑制方法。