專利名稱：一種彩色圖像邊界提取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)視覺、數(shù)字圖像處理領(lǐng)域，尤其是一種彩色圖像邊界提取方法。
背景技術(shù)：
彩色圖像邊界是指圖像中周圍像素值有階躍變化的那些像素的集合，即圖像局部變化最顯著的部分。邊界提取算法通常分為三類:輸出合成，梯度合成及向量方法。輸出合成，先對(duì)彩色圖像的各分量獨(dú)立邊緣檢測，然后合成前面的結(jié)果作為最后邊緣；梯度合成，先合成各分量的梯度，然后邊緣檢測；向量方法將彩色圖像看作向量，充分利用色彩信息，可以獲得比較理想的邊緣。目前灰度圖像邊界提取技術(shù)已相當(dāng)成熟，彩色邊界提取最直接的方法就是將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，然后利用現(xiàn)有灰度圖像邊界提取技術(shù)提取邊界。然而彩色圖像有90%的邊緣和灰度圖像中的邊緣相同，有10%的邊緣在灰度圖像中是檢測不到的，人在視覺上感知邊緣位置的依據(jù)是亮度值和色彩等信息。采用基于向量空間的彩色圖像Canny算法可以充分利用色彩信息。首先將彩色圖像R、G、B分量在向量空間計(jì)算梯度，得到向量空間梯度值及方向角，然后依據(jù)方向角對(duì)梯度圖像進(jìn)行非極大值抑制，計(jì)算高低兩個(gè)閾值，最后在8鄰域內(nèi)連接邊界點(diǎn)得到邊界圖像。如上所述，采用彩色圖像轉(zhuǎn)灰度圖像再進(jìn)行邊界提取將丟失10%的色彩邊界；并且在彩色圖像轉(zhuǎn)到灰度圖像的過程中也會(huì)有大量彩色相關(guān)信息丟失；采用基于向量空間的彩色圖像Canny算法可以充分利用色彩信息，但是會(huì)忽略一些亮度信息。因此，本發(fā)明針對(duì)以上問題提出充分融合亮度信息和色彩信息的彩色圖像邊界提取方案，以提高彩色圖像邊界提取的精確性和高效性，同時(shí)盡量保持原有的算法復(fù)雜度。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明的目的是提供一種彩色圖像邊界提取方法。本發(fā)明采用以下方案實(shí)現(xiàn):一種彩色圖像邊界提取方法，其特征在于，包括以下步驟:
51:提取彩色圖像的亮度信息I和彩色信息R、G、B ;
52:對(duì)所述亮度信息I和彩色信息R、G、B分別進(jìn)行高斯平滑，得到平滑后的亮度信息i和彩色信息r、g、b ;
53:對(duì)所述亮度信息i和彩色信息r、g、b分別求高斯一階偏導(dǎo)，并計(jì)算所述亮度信息i的亮度梯度值呀y(tǒng))和方向f (I Y)以及所述彩色信息r、g、b在向量空間中的向量梯度值J^x，y)和方向沒(Xj y)；
54:對(duì)所述亮度梯度值y)和向量梯度值y)分別進(jìn)行非極大值抑制，并分別記為亮度梯度值G和向量梯度值F ;
55:對(duì)所述亮度梯度值G和向量梯度值F分別進(jìn)行雙閾值分割，得到亮度梯度值G的高閾值邊界圖像7)和低閾值邊界圖像7)以及向量梯度值F的高閾值邊界圖像NmiCjl, y)和低閾值邊界圖像j)；
56:融合所述亮度梯度值G的高閾值邊界圖像# (*，y)和向量梯度值F的高閾值邊界圖像y)得到高閾值圖像《〗(1，y),并融合所述亮度梯度值G的低閾值邊界圖像
y)和向量梯度值F的低閾值邊界圖像JVjCx，y)得到低閾值圖像j)；
57:在所述低閾值圖像對(duì)au y)的8鄰域?qū)ふ夷軌蜻B接到所述高閾值圖像凡0，y)的邊界點(diǎn)，并連接成輪廓得到邊界圖像。在本發(fā)明一實(shí)施例中，所述步驟S2中，利用高斯濾波公式
p/ V40- f 、進(jìn)行1 斯濾波，其中(x，j) =- 為方差；對(duì)
G Us y) = f(x, y)*及( y)7_.tjtct2iF
于亮度信息I，令f ( y)=J，平滑結(jié)果為i，對(duì)于彩色信息R、G、B，分別令f ( y) =
，f ( y)=G, f ( y)=^B,平滑結(jié)果分別為 r、g、b。在本發(fā)明一實(shí)施例中，所述步驟S3中，所述亮度信息i的亮度梯度值^rf- \ [3 U %和方向爐(x, j) =anaap^^—轉(zhuǎn)，對(duì)所述彩色信
權(quán)利要求
1.一種彩色圖像邊界提取方法，其特征在于，包括以下步驟: 51:提取彩色圖像的亮度信息I和彩色信息R、G、B ; 52:對(duì)所述亮度信息I和彩色信息R、G、B分別進(jìn)行高斯平滑，得到平滑后的亮度信息i和彩色信息r、g、b ; 53:對(duì)所述亮度信息i和彩色信息r、g、b分別求高斯一階偏導(dǎo)，并計(jì)算所述亮度信息i的亮度梯度值和方向f ( f)以及所述彩色信息r、g、b在向量空間中的向量梯度值#1夏，f)和方向#《夏> f); 54:對(duì)所述亮度梯度值￠1, y)和向量梯度值y)分別進(jìn)行非極大值抑制，并分別記為亮度梯度值G和向量梯度值F ;55:對(duì)所述亮度梯度值G和向量梯度值F分別進(jìn)行雙閾值分割，得到亮度梯度值G的高閾值邊界圖像y)和低閾值邊界圖像y)以及向量梯度值F的高閾值邊界圖像八(夏,y)和低閾值邊界圖像NJ〔x, f)； 56:融合所述亮度梯度值G的高閾值邊界圖像ifjx* f)和向量梯度值F的高閾值邊界圖像夏“I, 1>導(dǎo)到高閾值圖像Jff夏，f),并融合所述亮度梯度值G的低閾值邊界圖像I)和向量梯度值F的低閾值邊界圖像J^X，得到低閾值圖像肩i)'S7:在所述低閾值圖像驚y)的8鄰域?qū)ふ夷軌蜻B接到所述高閾值圖像 的邊界點(diǎn)，并連接成輪廓得到邊界圖像。
2.根據(jù)權(quán)利要求1所述的一種彩色圖像邊界提取方法，其特征在于:所述步驟S2中，利用高斯濾波公式 進(jìn)行高斯濾波，其中 為方差；對(duì)于亮度信息I，令平滑結(jié)果為i，對(duì)于 彩色信息R、G、B，分別令 平滑結(jié)果分別為r、
3.根據(jù)權(quán)利要求1所述的一種彩色圖像邊界提取方法，其特征在于:所述步驟S3中，所述亮度信息i的亮度梯度值碟夏， 和方向 ，對(duì)所述彩色信息r、g、b分別求高斯一 階偏導(dǎo)得 所述彩色信息r、g、b在向量空間中 的向量梯度值 和方向
4.根據(jù)權(quán)利要求1所述的一種彩色圖像邊界提取方法，其特征在于:所述步驟S4中，對(duì)于亮度梯度值^(夏，y),進(jìn)行非極大值抑制的插值計(jì)算時(shí)，權(quán)重由<夏，y)與_:夏，y)的比值得到；對(duì)于向量梯度值F|x, y)，進(jìn)行非極大值抑制的插值計(jì)算時(shí)，首先保存梯度最大時(shí)對(duì)應(yīng)的角度#_(夏，y),然后選擇tan.f))或cut (#■&，f))作為權(quán)重。
5.根據(jù)權(quán)利要求1所述的一種彩色圖像邊界提取方法，其特征在于:所述步驟S5中，選定兩個(gè)閾值！!和:^,且1；<ζ,從亮度梯度值G中去除梯度值小于: 的梯度值，得到高閾值邊界圖像ΛΤ_ χ5 yi,去除梯度值小于I；的梯度值,得到低閾值邊界圖像#χ.y);從向量梯度值F中去除梯度值小于1^的梯度值，得到高閾值邊界圖像夏_(；墓，y)，去除梯度值小于I11的梯度值,得到低閾值邊界圖像i^Cx, γ)。
6.根據(jù)權(quán)利要求5所述的一種彩色圖像邊界提取方法，其特征在于:所述=OiirJr
7.根據(jù)權(quán)利要求1所述的一種彩色圖像邊界提取方法，其特征在于:所述步驟S6中，所述融合方法為求并集。
8.根據(jù)權(quán)利要求1所述的一種彩色圖像邊界提取方法，其特征在于:所述步驟S7中，還采用二值圖像單位像素細(xì)化所述輪廓得到最終邊界圖像。
全文摘要
本發(fā)明涉及一種彩色圖像邊界提取方法，根據(jù)彩色圖像主要包含的色彩信息和亮度信息，在邊界提取的過程中同時(shí)考慮色彩信息和亮度信息的邊界提取，并將兩者融合起來，得到更加完善的邊界圖像。本發(fā)明設(shè)計(jì)了一種基于亮度信息和向量空間的彩色圖像Canny邊界提取方法，分別計(jì)算亮度信息和向量空間的梯度值及方向，然后對(duì)兩組梯度值單獨(dú)進(jìn)行非極大值抑制，設(shè)定高低閾值，分別融合得到的高閾值圖像和低閾值圖像，最后利用形態(tài)學(xué)處理得到最終邊界。
文檔編號(hào)G06K9/46GK103177260SQ201310135708
公開日2013年6月26日 申請(qǐng)日期2013年4月19日 優(yōu)先權(quán)日2013年4月19日
發(fā)明者黃立勤, 王麗, 陳財(cái)淦, 楊秀芝 申請(qǐng)人:福州大學(xué)