CN102567969B - 一种彩色图像边缘检测方法 - Google Patents
一种彩色图像边缘检测方法 Download PDFInfo
- Publication number
- CN102567969B CN102567969B CN201110448119.1A CN201110448119A CN102567969B CN 102567969 B CN102567969 B CN 102567969B CN 201110448119 A CN201110448119 A CN 201110448119A CN 102567969 B CN102567969 B CN 102567969B
- Authority
- CN
- China
- Prior art keywords
- image
- edge
- color
- antagonistic
- information distribution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000003708 edge detection Methods 0.000 title claims abstract description 16
- 230000003042 antagnostic effect Effects 0.000 claims description 53
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000009499 grossing Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 5
- 230000001629 suppression Effects 0.000 claims description 3
- 230000008485 antagonism Effects 0.000 abstract description 7
- 238000007670 refining Methods 0.000 abstract 1
- 230000004044 response Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
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
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***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***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Irg＝ω1R+ω2G，得到红绿拮抗图像(Irg)；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 (6)
1.一种彩色图像边缘检测方法，其特征在于，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；
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；
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。
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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110448119.1A CN102567969B (zh) | 2011-12-28 | 2011-12-28 | 一种彩色图像边缘检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110448119.1A CN102567969B (zh) | 2011-12-28 | 2011-12-28 | 一种彩色图像边缘检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102567969A CN102567969A (zh) | 2012-07-11 |
| CN102567969B true CN102567969B (zh) | 2014-06-18 |
Family
ID=46413320
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201110448119.1A Active CN102567969B (zh) | 2011-12-28 | 2011-12-28 | 一种彩色图像边缘检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102567969B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105139391B (zh) * | 2015-08-17 | 2018-01-30 | 长安大学 | 一种雾霾天气交通图像边缘检测方法 |
| CN105957067B (zh) * | 2016-04-23 | 2018-10-19 | 北京工业大学 | 一种基于颜色差分的彩色图像边缘检测方法 |
| CN106228547B (zh) * | 2016-07-15 | 2018-12-28 | 华中科技大学 | 一种基于视觉颜色理论和同质抑制的轮廓与边界检测算法 |
| CN106485247B (zh) * | 2016-09-30 | 2019-04-26 | 广西师范大学 | 基于神经元感受野空间结构的显著性检测方法 |
| CN108520517A (zh) * | 2018-04-10 | 2018-09-11 | 四川超影科技有限公司 | 基于机器视觉的漏液检测方法 |
| CN111179293B (zh) * | 2019-12-30 | 2020-10-02 | 广西科技大学 | 一种基于颜色和灰度特征融合的仿生型轮廓检测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101246593A (zh) * | 2008-03-27 | 2008-08-20 | 北京中星微电子有限公司 | 一种彩色图像边缘检测方法及设备 |
| CN101465001A (zh) * | 2008-12-31 | 2009-06-24 | 昆山锐芯微电子有限公司 | 一种基于Bayer RGB的图像边缘检测方法 |
| CN102163325A (zh) * | 2011-04-06 | 2011-08-24 | 南京大学 | 一种多光谱图像边缘特征检测方法 |
-
2011
- 2011-12-28 CN CN201110448119.1A patent/CN102567969B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101246593A (zh) * | 2008-03-27 | 2008-08-20 | 北京中星微电子有限公司 | 一种彩色图像边缘检测方法及设备 |
| CN101465001A (zh) * | 2008-12-31 | 2009-06-24 | 昆山锐芯微电子有限公司 | 一种基于Bayer RGB的图像边缘检测方法 |
| CN102163325A (zh) * | 2011-04-06 | 2011-08-24 | 南京大学 | 一种多光谱图像边缘特征检测方法 |
Non-Patent Citations (4)
| Title |
|---|
| 余见.彩色图像边缘检测和分类.《中国优秀硕士学位论文全文数据库 信息科技辑》.2009,(第08期), |
| 四元数与彩色图像边缘检测;郎方年 等;《计算机科学》;20071231;第34卷(第11期);第214页 * |
| 彩色图像边缘检测和分类;余见;《中国优秀硕士学位论文全文数据库 信息科技辑》;20090831(第08期);正文13-14,16,21,39页以及图2.3 * |
| 郎方年 等.四元数与彩色图像边缘检测.《计算机科学》.2007,第34卷(第11期), |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102567969A (zh) | 2012-07-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102567969B (zh) | 一种彩色图像边缘检测方法 | |
| CN102779330B (zh) | 图像增强方法、图像增强装置和显示装置 | |
| Al-Dwairi et al. | Optimized true-color image processing | |
| CN104537634B (zh) | 动态图像中去除雨滴影响的方法和*** | |
| CN106650770A (zh) | 一种基于样本学习和人眼视觉特性的mura缺陷检测方法 | |
| CN104966285B (zh) | 一种显著性区域的检测方法 | |
| CN109035377B (zh) | 用于获得适用于激光雕刻的浮雕素描效果图像处理方法 | |
| CN103914699A (zh) | 一种基于色彩空间的自动唇彩的图像增强的方法 | |
| CN102509294B (zh) | 一种基于单幅图像的全局深度估计方法 | |
| CN104504722B (zh) | 一种利用灰色点校正图像颜色的方法 | |
| CN107194877A (zh) | 一种基于单幅图像的保边插值超分辨率计算方法 | |
| CN108305232B (zh) | 一种单帧高动态范围图像生成方法 | |
| Zhang et al. | Image quality assessment based on Prewitt magnitude | |
| CN104346809A (zh) | 采用高动态范围的图像质量数据集的图像质量评价方法 | |
| CN106934770A (zh) | 一种评价雾霾图像去雾效果的方法和装置 | |
| CN103295205A (zh) | 一种基于Retinex的微光图像快速增强方法和装置 | |
| Finlayson et al. | Lookup-table-based gradient field reconstruction | |
| CN101790101B (zh) | 图像饱和度调整方法与图像饱和度调整装置 | |
| CN102484673B (zh) | 图像处理方法、图像处理装置以及程序 | |
| Voronina et al. | The quaternion-based anisotropic gradient for the color images | |
| CN103931198B (zh) | 在交通摄影中进行动态范围压缩的方法 | |
| CN109102482B (zh) | 用于获得适用于激光雕刻的浮雕复古效果图像处理方法 | |
| CN108573506B (zh) | 图像处理方法及*** | |
| CN105654541B (zh) | 窗口图像处理方法和装置 | |
| Shinde et al. | Study of Image Processing, Enhancement and Restoration |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |