CN105957067A - 一种基于颜色差分的彩色图像边缘检测方法 - Google Patents
一种基于颜色差分的彩色图像边缘检测方法 Download PDFInfo
- Publication number
- CN105957067A CN105957067A CN201610258532.4A CN201610258532A CN105957067A CN 105957067 A CN105957067 A CN 105957067A CN 201610258532 A CN201610258532 A CN 201610258532A CN 105957067 A CN105957067 A CN 105957067A
- Authority
- CN
- China
- Prior art keywords
- color
- computing
- image
- filtering
- edge detection
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
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IC(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
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:
式中,HC(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;IC(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IC(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:
IC(x-1,y)ΘIC(x+1,y) (2)
IC(x,y-1)ΘIC(x,y+1) (3)
IC(x-1,y+1)ΘIC(x+1,y-1) (4)
IC(x-1,y-1)ΘIC(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:
IC(x1,y1)ΘIC(x2,y2)=DR∪DG∪DB (6)
式中,DR、DG、DB分别为
其中,IR(x,y)、IG(x,y)和IB(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:
式中,CD的计算公式为
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:
式中,HC(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;IC(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IC(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:
IC(x-1,y)ΘIC(x+1,y) (2)
IC(x,y-1)ΘIC(x,y+1) (3)
IC(x-1,y+1)ΘIC(x+1,y-1) (4)
IC(x-1,y-1)ΘIC(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:
IC(x1,y1)ΘIC(x2,y2)=DR∪DG∪DB (6)
式中,DR、DG、DB分别为
其中,IR(x,y)、IG(x,y)和IB(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:
式中,CD的计算公式为
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610258532.4A CN105957067B (zh) | 2016-04-23 | 2016-04-23 | 一种基于颜色差分的彩色图像边缘检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610258532.4A CN105957067B (zh) | 2016-04-23 | 2016-04-23 | 一种基于颜色差分的彩色图像边缘检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105957067A true CN105957067A (zh) | 2016-09-21 |
CN105957067B CN105957067B (zh) | 2018-10-19 |
Family
ID=56915178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610258532.4A Expired - Fee Related CN105957067B (zh) | 2016-04-23 | 2016-04-23 | 一种基于颜色差分的彩色图像边缘检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105957067B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108470347A (zh) * | 2017-02-23 | 2018-08-31 | 南宁市富久信息技术有限公司 | 一种彩色图像边缘检测方法 |
CN108961289A (zh) * | 2018-07-13 | 2018-12-07 | 北京工业大学 | 一种基于失衡度先验的行人检测方法 |
CN111179293A (zh) * | 2019-12-30 | 2020-05-19 | 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 |
---|---|---|---|---|
US20040096106A1 (en) * | 2002-09-18 | 2004-05-20 | Marcello Demi | Method and apparatus for contour tracking of an image through a class of non linear filters |
CN102567969A (zh) * | 2011-12-28 | 2012-07-11 | 电子科技大学 | 一种彩色图像边缘检测方法 |
CN103679737A (zh) * | 2013-12-26 | 2014-03-26 | 清华大学 | 基于多通道信息选择的彩色图像边缘检测方法 |
-
2016
- 2016-04-23 CN CN201610258532.4A patent/CN105957067B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040096106A1 (en) * | 2002-09-18 | 2004-05-20 | Marcello Demi | Method and apparatus for contour tracking of an image through a class of non linear filters |
CN102567969A (zh) * | 2011-12-28 | 2012-07-11 | 电子科技大学 | 一种彩色图像边缘检测方法 |
CN103679737A (zh) * | 2013-12-26 | 2014-03-26 | 清华大学 | 基于多通道信息选择的彩色图像边缘检测方法 |
Non-Patent Citations (2)
Title |
---|
A.N. EVANS ET AL: "A morphological gradient approach to color edge detection", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
薛东伟 等: "一种基于色差的Canny边缘检测算子", 《计算机***应用》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108470347A (zh) * | 2017-02-23 | 2018-08-31 | 南宁市富久信息技术有限公司 | 一种彩色图像边缘检测方法 |
CN108961289A (zh) * | 2018-07-13 | 2018-12-07 | 北京工业大学 | 一种基于失衡度先验的行人检测方法 |
CN108961289B (zh) * | 2018-07-13 | 2021-05-07 | 北京工业大学 | 一种基于失衡度先验的行人检测方法 |
CN111179293A (zh) * | 2019-12-30 | 2020-05-19 | 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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN105957067B (zh) | 2018-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8774503B2 (en) | Method for color feature extraction | |
CN103632361B (zh) | 一种图像分割方法和*** | |
CN104751142B (zh) | 一种基于笔划特征的自然场景文本检测方法 | |
US11443436B2 (en) | Interactive image matting method, computer readable memory medium, and computer device | |
CN103020965B (zh) | 一种基于显著性检测的前景分割方法 | |
CN104537634B (zh) | 动态图像中去除雨滴影响的方法和*** | |
CN107705288A (zh) | 伪目标运动强干扰下的危险气体泄漏红外视频检测方法 | |
CN102509294B (zh) | 一种基于单幅图像的全局深度估计方法 | |
CN107808386A (zh) | 一种基于图像语义分割的海天线检测方法 | |
CN103606163A (zh) | 基于四元数理论和canny算法的彩色图像边缘检测方法 | |
CN103198319B (zh) | 用于矿山井筒环境下的模糊图像角点提取方法 | |
CN108510491A (zh) | 虚化背景下人体骨骼关键点检测结果的过滤方法 | |
CN102903081A (zh) | 基于rgb彩色模型的低光照图像增强方法 | |
CN106506901A (zh) | 一种显著性视觉注意模型的混合式数字图像半色调方法 | |
US20120320433A1 (en) | Image processing method, image processing device and scanner | |
CN103927758A (zh) | 一种基于对比度与角点最小凸包的显著性检测方法 | |
CN106327464A (zh) | 一种边缘检测方法 | |
CN105957067A (zh) | 一种基于颜色差分的彩色图像边缘检测方法 | |
CN112200742A (zh) | 一种应用于边缘检测的滤波去噪方法 | |
CN103942756B (zh) | 一种深度图后处理滤波的方法 | |
CN107610118A (zh) | 一种基于dM的图像分割质量评价方法 | |
CN110705634A (zh) | 一种鞋跟型号识别方法、装置及存储介质 | |
CN109948570B (zh) | 一种用于动态环境下的无人机实时检测方法 | |
CN107292897A (zh) | 用于yuv域的图像边缘提取方法、装置及终端 | |
CN104809733A (zh) | 一种古建墙壁受污题记文字图像边缘提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20181019 |
|
CF01 | Termination of patent right due to non-payment of annual fee |