CN105957067A - 一种基于颜色差分的彩色图像边缘检测方法 - Google Patents

Abstract

本发明公开了一种基于颜色差分的彩色图像边缘检测方法，属于数字图像处理领域，该方法对平滑滤波操作具有更强的鲁棒性，可以排除大量的噪声边缘，只保留反映物体基本结构的真实边缘。平滑滤波去噪。构成邻域点对。对于平滑滤波后的图像I^C(x,y)，将每个像素(x,y)相邻的八个像素分别按照水平、竖直、45°和135°总共四个方向分成四个邻域点对。计算颜色相离结果。计算颜色差分图，得到的颜色差分图CDM(x,y)即为最终的边缘检测结果。能够有效抑制噪声干扰，排除大量人们不感兴趣的噪声边缘，仅保留反映物体基本结构变化的真实边缘；得到的边缘对于平滑滤波具有较好的鲁棒性，在滤波窗口尺寸较大时仍然能够具有较强的边缘响应，不易造成重要边缘丢失和断裂。

Description

一种基于颜色差分的彩色图像边缘检测方法

技术领域

本发明涉及数字图像处理领域，尤其涉及一种基于颜色差分的彩色图像边缘检测方法。

背景技术

边缘检测是图像处理领域中的基本技术，被广泛应用于图像检索、目标检测、图像分割、图像分类等各种领域中。图像中发生突变的点通常对应着图像中的某些重要对象或者属性变化，主要包括图像景深上的不连续、目标物体的轮廓和场景光照条件变化等。边缘检测的目的是检测图像中发生突变的点，通过处理这些突变点，可以大幅减少原始图像的数据量，并且剔除人们通常不关心的缓慢变化部分，保留图像重要的结构属性。

传统的边缘检测通常可以通过计算一阶梯度的最大值或二阶梯度的过零点检测实现。基于一阶梯度最大值的边缘检测方法主要有Robert算子、Prewitt算子、Sobel算子等。基于二阶梯度过零点检测的边缘检测方法主要有Laplacian算子、LoG算子、Canny算子等。然而，传统的边缘检测方法主要面向灰度图像。在处理彩色图像时，往往需要先将彩色图像转化为灰度图像，再进行边缘检测。彩色图像在灰度化处理之后只保留了亮度信息，忽略了各个彩色通道的信息。因此，彩色图像的边缘检测问题受到了人们的广泛关注。

申请号为CN201110448119.1的专利公开了一种彩色图像边缘检测方法。该方法首先将彩色图像分解为红色、绿色、蓝色和黄色4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，最后对边缘进行细化处理。

申请号为CN201310733556.7的专利公开了一种基于多通道信息选择的彩色图像边缘检测方法。该方法在RGB颜色空间中分别对R、G、B三个颜色通道进行边缘检测与梯度信息提取，然后结合各个通道的边缘检测结果选择置信度高的边缘点，得到边缘检测结果。

虽然现有的彩色图像边缘检测方法多种多样，但总体而言，现有的彩色图像边缘技术仍然存在以下两方面问题：

(1)为了减小噪声干扰，通常要在边缘检测之前进行平滑滤波操作，现有边缘检测方法易受平滑滤波影响，经常出现边缘丢失现象；

(2)现有边缘检测方法对噪声十分敏感，容易检测出大量人们不感兴趣的噪声边缘，对后续处理造成干扰。

发明内容

为解决上述两个方面的问题，本发明提出了一种基于颜色差分的彩色图像边缘检测方法。该方法对平滑滤波操作具有更强的鲁棒性，可以排除大量的噪声边缘，只保留反映物体基本结构的真实边缘。

为实现上述目的，本发明采用以下技术方案：

本发明提出的基于颜色差分的彩色图像边缘检测方法的流程图如图1所示，具体包括以下步骤：

步骤1，平滑滤波去噪。

对输入彩色图像进行平滑滤波，抑制噪声干扰。该过程由下式表示：

$I^C(x,y)=\underset{\mathrm{\Ω}\left(n\right)}{Smooth}\[H^C(x,y)\]---\left(1\right)$

式中，H^C(x,y)为输入彩色图像，C代表图像的颜色通道，C＝{R,G,B}，R、G和B分别表示红绿蓝三种颜色。代表以Ω(n)为窗口尺寸的平滑滤波，所述平滑滤波的种类包括均值滤波、高斯滤波、中值滤波；I^C(x,y)为平滑滤波后的图像。

步骤2，构成邻域点对。

对于平滑滤波后的图像I^C(x,y)，将每个像素(x,y)相邻的八个像素分别按照水平、竖直、45°和135°总共四个方向分成四个邻域点对。这四个邻域点对分别为(x-1,y)与(x+1,y)、(x,y-1)与(x,y+1)、(x-1,y+1)与(x+1,y-1)、(x-1,y-1)与(x+1,y+1)。像素(x,y)与其相邻八个域像素的位置对应关系如图2所示。

步骤3，计算颜色相离结果。

分别计算每个像素(x,y)的4个邻域点对的颜色相离结果，这四个邻域点对的颜色分别进行相离运算，具体表示如下：

I^C(x-1,y)ΘI^C(x+1,y) (2)

I^C(x,y-1)ΘI^C(x,y+1) (3)

I^C(x-1,y+1)ΘI^C(x+1,y-1) (4)

I^C(x-1,y-1)ΘI^C(x+1,y+1) (5)

其中，Θ表示颜色相离运算，颜色相离运算是一种双目运算，对于坐标分别为(x₁,y₁)和(x₂,y₂)的两个像素点，其颜色相离运算定义如下：

I^C(x₁,y₁)ΘI^C(x₂,y₂)＝DR∪DG∪DB (6)

式中，DR、DG、DB分别为

$DR=\{\begin{array}{cc}1,& I^R(x_1,y_1)-I^R(x_2,y_2)\&GreaterEqual;TH\\ 0,& I^R(x_1,y_1)-I^R(x_2,y_2)<TH\end{array}---\left(7\right)$

$DG=\left\{\begin{array}{cc}1,& I^G(x_1,y_1)-I^G(x_2,y_2)\&GreaterEqual;TH\\ 0,& I^G(x_1,y_1)-I^G(x_2,y_2)<TH\end{array}\right.---\left(8\right)$

$DB=\left\{\begin{array}{cc}1,& I^B(x_1,y_1)-I^B(x_2,y_2)\&GreaterEqual;TH\\ 0,& I^B(x_1,y_1)-I^B(x_2,y_2)<TH\end{array}\right.---\left(9\right)$

其中，I^R(x,y)、I^G(x,y)和I^B(x,y)分别代表R、G、B三个颜色通道的像素值，TH是阈值。

步骤4，计算颜色差分图。

根据每个像素(x,y)的四个邻域点对的颜色相离结果，计算颜色差分图CDM(x,y)，计算方法如下：

$CDM(x,y)=\left\{\begin{array}{cc}255,& CD=1\\ 0,& CD=0\end{array}\right.---\left(10\right)$

式中，CD的计算公式为

$\begin{array}{c}CD=I^C(x-1,y-1){\mathrm{\&Theta;I}}^C(x+1,y+1)\&cup;I^C(x+1,y-1){\mathrm{\&Theta;I}}^C(x-1,y+1)\\ \&cup;I^C(x-1,y){\mathrm{\&Theta;I}}^C(x+1,y)\&cup;I^C(x,y-1){\mathrm{\&Theta;I}}^C(x,y+1)\end{array}---\left(11\right)$

式中，颜色相离运算“Θ”的优先级高于或运算“∪”。

计算得到的颜色差分图CDM(x,y)即为最终的边缘检测结果。

Ω(n)需要根据输入图像的噪声水平取3x3、5x5、7x7等尺寸。

与现有技术相比，本发明具有以下明显的优势和有益的效果：

1.能够有效抑制噪声干扰，排除大量人们不感兴趣的噪声边缘，仅保留反映物体基本结构变化的真实边缘；

2.得到的边缘对于平滑滤波具有较好的鲁棒性，在滤波窗口尺寸较大时仍然能够具有较强的边缘响应，不易造成重要边缘丢失和断裂。

附图说明

图1为本发明所涉及的彩色图像边缘检测方法的流程图；

图2为像素(x,y)与其8-邻域像素的位置关系；

图3为本发明所涉及的边缘检测方法与现有边缘检测方法的检测结果对比，(a)为实施例中的输入彩色图像，(b)为Sobel算子的检测结果，(c)为Laplacian算子的检测结果，(d)为Canny算子的检测结果，(e)为VG算子的检测结果，(f)为采用本发明提出的方法的检测结果。

具体实施方式

以下结合附图和具体实施方式对本发明做进一步说明。

S1平滑滤波去噪

首先，对输入的彩色图像进行均值滤波，抑制噪声干扰。本实施例中，平滑滤波的种类选为均值滤波，滤波的窗口尺寸Ω(n)取为5x5。

S2构成邻域点对

将均值滤波后的图像中每个像素(x,y)的相邻8个像素分别按照水平、竖直、45°和135°总共4个方向构成4个邻域点对。这4个邻域点对分别为(x-1,y)与(x+1,y)、(x,y-1)与(x,y+1)、(x-1,y+1)与(x+1,y-1)、(x-1,y-1)与(x+1,y+1)。

S3计算颜色相离结果

按照公式(2)-(4)分别计算每个像素(x,y)的4个邻域点对的颜色相离结果。本实施例中，颜色相离运算中的阈值TH取30。

S4计算颜色差分图

根据每个像素(x,y)的四个邻域点对的颜色相离结果，按照公式(10)计算颜色差分图，得到最终的边缘检测结果。

图3所示的是本发明所涉及的边缘检测方法与现有边缘检测方法的检测结果对比，(a)为实施例中的输入彩色图像，(b)为Sobel算子的检测结果，(c)为Laplacian算子的检测结果，(d)为Canny算子的检测结果，(e)为VG算子的检测结果，(f)为采用本发明提出的方法的检测结果。如图3所示，本发明所涉及的边缘检测方法与现有边缘检测方法相比，可以在有效抑制噪声的同时获得结构完整、边缘清晰的检测结果。

本说明书实施例描述的内容仅仅是对发明构思的实现形式的举例说明，本发明的保护范围不应当被视为仅限于实施例所述的具体形式。本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (2)

1.一种基于颜色差分的彩色图像边缘检测方法，其特征在于：该方法具体包括以下步骤：，

步骤1，平滑滤波去噪；

对输入彩色图像进行平滑滤波，抑制噪声干扰；该过程由下式表示：

$I^C(x,y)=\underset{\mathrm{\&Omega;}\left(n\right)}{Smooth}\&lsqb;H^C(x,y)\&rsqb;---\left(1\right)$

式中，H^C(x,y)为输入彩色图像，C代表图像的颜色通道，C＝{R,G,B}，R、G和B分别表示红绿蓝三种颜色；代表以Ω(n)为窗口尺寸的平滑滤波，所述平滑滤波的种类包括均值滤波、高斯滤波、中值滤波；I^C(x,y)为平滑滤波后的图像；

步骤2，构成邻域点对；

对于平滑滤波后的图像I^C(x,y)，将每个像素(x,y)相邻的八个像素分别按照水平、竖直、45°和135°总共四个方向分成四个邻域点对；这四个邻域点对分别为(x-1,y)与(x+1,y)、(x,y-1)与(x,y+1)、(x-1,y+1)与(x+1,y-1)、(x-1,y-1)与(x+1,y+1)；得到像素(x,y)与其相邻八个域像素的位置对应关系；

步骤3，计算颜色相离结果；

分别计算每个像素(x,y)的四个邻域点对的颜色相离结果，这四个邻域点对的颜色分别进行相离运算，具体表示如下：

I^C(x-1,y)ΘI^C(x+1,y) (2)

I^C(x,y-1)ΘI^C(x,y+1) (3)

I^C(x-1,y+1)ΘI^C(x+1,y-1) (4)

I^C(x-1,y-1)ΘI^C(x+1,y+1) (5)

其中，Θ表示颜色相离运算，颜色相离运算是一种双目运算，对于坐标分别为(x₁,y₁)和(x₂,y₂)的两个像素点，其颜色相离运算定义如下：

I^C(x₁,y₁)ΘI^C(x₂,y₂)＝DR∪DG∪DB (6)

式中，DR、DG、DB分别为

$DR=\left\{\begin{array}{cc}1,& I^R(x_1,y_1)-I^R(x_2,y_2)\&GreaterEqual;TH\\ 0,& I^R(x_1,y_1)-I^R(x_2,y_2)<TH\end{array}\right.---\left(7\right)$

$DG=\left\{\begin{array}{cc}1,& I^G(x_1,y_1)-I^G(x_2,y_2)\&GreaterEqual;TH\\ 0,& I^G(x_1,y_1)-I^G(x_2,y_2)<TH\end{array}\right.---\left(8\right)$

$DB=\left\{\begin{array}{cc}1,& I^B(x_1,y_1)-I^B(x_2,y_2)\&GreaterEqual;TH\\ 0,& I^B(x_1,y_1)-I^B(x_2,y_2)<TH\end{array}\right.---\left(9\right)$

其中，I^R(x,y)、I^G(x,y)和I^B(x,y)分别代表R、G、B三个颜色通道的像素值，TH是阈值；

步骤4，计算颜色差分图；

根据每个像素(x,y)的四个邻域点对的颜色相离结果，计算颜色差分图CDM(x,y)，计算方法如下：

$CDM(x,y)=\left\{\begin{array}{cc}255,& CD=1\\ 0,& CD=0\end{array}\right.---\left(10\right)$

式中，CD的计算公式为

$\begin{array}{c}CD=I^C(x-1,y-1){\mathrm{\&Theta;I}}^C(x+1,y+1)\&cup;I^C(x+1,y-1){\mathrm{\&Theta;I}}^C(x-1,y+1)\\ \&cup;I^C(x-1,y){\mathrm{\&Theta;I}}^C(x+1,y)\&cup;I^C(x,y-1){\mathrm{\&Theta;I}}^C(x,y+1)\end{array}---\left(11\right)$

式中，颜色相离运算“Θ”的优先级高于或运算“∪”；

计算得到的颜色差分图CDM(x,y)即为最终的边缘检测结果。

2.根据权利要求一种基于颜色差分的彩色图像边缘检测方法，其特征在于：Ω(n)需要根据输入图像的噪声水平取3x3、5x5、7x7尺寸。