基于四元數(shù)理論和canny算法的彩色圖像邊緣檢測(cè)方法
【專利摘要】本發(fā)明公開了一種基于四元數(shù)理論和canny算法的彩色圖像邊緣檢測(cè)方法，屬于圖像處理與計(jì)算機(jī)視覺領(lǐng)域。其步驟為：1）以四元數(shù)表示原始彩色圖像；2）對(duì)彩色圖像平滑濾波；3）構(gòu)建彩色四元數(shù)邊緣特征矩陣，用來分析彩色圖像的邊緣特性和結(jié)構(gòu)特征；4）對(duì)步驟3）獲得圖像的梯度幅值進(jìn)行非極大值抑制；5）雙閾值方法檢測(cè)和連接邊緣。本發(fā)明利用四元數(shù)的代數(shù)運(yùn)算和空間特性，以純四元數(shù)表征彩色圖像各個(gè)像素點(diǎn)，構(gòu)建了彩色四元數(shù)邊緣特征矩陣，用于分析彩色圖像的邊緣特性和結(jié)構(gòu)特征，將邊緣鄰域亮度跳變和顏色跳變相融合，避免了傳統(tǒng)算法色彩信息的缺失，減少了噪聲的引入，提高了定位精度和抗噪性能。
【專利說明】基于四元數(shù)理論和canny算法的彩色圖像邊緣檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理與計(jì)算機(jī)視覺領(lǐng)域，具體地說，涉及一種利用四元數(shù)這一代數(shù)工具，將其理論與傳統(tǒng)灰度Canny算法相結(jié)合得到的一種抗噪性能好、定位精度高的彩色圖像邊緣檢測(cè)的方法。
【背景技術(shù)】
[0002]圖像的邊緣定義為圖像函數(shù)中不連續(xù)的點(diǎn)，包含了大量的圖像特征信息，是區(qū)分物體與背景、感興趣區(qū)域與周圍信息的關(guān)鍵所在。傳統(tǒng)的邊緣檢測(cè)算法主要是將要處理的圖像灰度化后再處理，這樣所需獲得的圖像邊緣看作鄰域內(nèi)灰度值發(fā)生突變的像素點(diǎn)的集合。傳統(tǒng)的經(jīng)典算法有Roberts算子、Prewitt算子、Sobel算子、Canny算子等。這些算法對(duì)灰度圖像處理有效，但由于缺乏色彩信息，處理彩色圖像時(shí)，不能檢測(cè)到物體亮度相同而顏色不同的區(qū)域，易出現(xiàn)邊緣漏檢現(xiàn)象。
[0003]隨著人們生活對(duì)彩色圖像的需求的日益增長，對(duì)彩色圖像的處理也變得尤為重要，其中彩色圖像的邊緣檢測(cè)處理則是最為基本卻又很重要的。傳統(tǒng)的灰度邊緣檢測(cè)算法，如Roberts算子、Prewitt算子、Sobel算子、Canny算子等,通過將圖像灰度化再處理，圖像中某物體邊界上的像素點(diǎn)，其鄰域?qū)⑹且粋€(gè)灰度級(jí)變化帶。衡量這種變化最有效的兩個(gè)特征值就是灰度的變化率和變化方向，它們分別以梯度向量的幅值和方向來表示。對(duì)于連續(xù)圖像f (X，y)，其方向?qū)?shù)在邊緣(法線)方向上有局部最大值。因此，邊緣檢測(cè)就是求f (X，y)梯度的局部最大值和方向。通常以微分算子的形式表示各算法，然后采用快速卷積函數(shù)來實(shí)現(xiàn)，能夠得到快速處理。然而這類方法，對(duì)噪聲敏感，抗噪性能較差，帶有不少噪聲邊緣，漏檢色彩信息。相對(duì)而言性能較好的Canny算法也存在一些缺點(diǎn)，它在圖像邊緣檢測(cè)中算法魯棒性較差，而且有時(shí)候常含有較多的偽邊緣；濾除噪聲效果不佳；有時(shí)候我們不需要的邊緣信息它也會(huì)都檢測(cè)出來；最重要的一點(diǎn)是，灰度化之后再處理無可避免地會(huì)造成邊緣的缺失，主要集中在顏色跳變邊緣的缺失，定位精度不高。因此，近幾年越來越多地開始研究各種彩色邊緣檢測(cè)算法，不再灰度化處理，直接對(duì)原彩色圖像進(jìn)行檢測(cè)，盡量保留更多更準(zhǔn)確的邊緣特性。
[0004]現(xiàn)有對(duì)彩色圖像邊緣檢測(cè)的灰度算法存在較多的缺陷，如文獻(xiàn)I (李海洋，文永革.一種改進(jìn)的彩色圖像邊緣檢測(cè)方法[J].綿陽師范學(xué)院學(xué)報(bào)，2013，32(8))中提到的roberts算法在邊緣檢測(cè)中對(duì)噪聲很敏感，文獻(xiàn)2 (王璇.基于圖像邊緣提取的液位檢測(cè)系統(tǒng)研究與實(shí)現(xiàn)[D].湖南大學(xué)，2010)和文獻(xiàn)3 (靳鵬飛.一種改進(jìn)的Sobel圖像邊緣檢測(cè)算法[J] [J].應(yīng)用光學(xué)，2008，29(4):625-628)提到的prewitt算法和sobel算法雖然能過濾掉部分噪聲，但是抗噪性能依然很差，夾帶較多噪聲邊緣，且邊緣較粗，文獻(xiàn)4 (黃劍玲，鄭雪梅.一種改進(jìn)的基于Canny算子的圖像邊緣提取算法[J][J].計(jì)算機(jī)工程與應(yīng)用，2008，44(25): 170-172)中提到的canny算法過濾噪聲效果較好，但是常常含有虛假邊緣，對(duì)彩色圖像邊緣檢測(cè)的魯棒性也不好，此外，這些經(jīng)典灰度算法存在共同的問題，即灰度化之后再處理無可避免地會(huì)造成邊緣的缺失，主要集中在顏色跳變邊緣的缺失，還有定位精度不高的問題。文獻(xiàn)5(邢燕.四元數(shù)及其在圖形圖像處理中的應(yīng)用研究[D].合肥工業(yè)大學(xué)，2009)中提到的四元數(shù)旋轉(zhuǎn)彩色邊緣檢測(cè)方法雖然很好地保留了鄰域邊緣的色彩信息，但定位精度還可以提高，且抗噪性能也不是很理想。

【發(fā)明內(nèi)容】

[0005]1.要解決的問題
[0006]現(xiàn)有對(duì)彩色圖像邊緣檢測(cè)的灰度算法存在較多的問題，roberts算法在邊緣檢測(cè)中對(duì)噪聲很敏感，prewitt算法和sobel算法抗噪性能依然很差,夾帶較多噪聲邊緣,且邊緣較粗，canny算法常常含有虛假邊緣，對(duì)彩色圖像邊緣檢測(cè)的魯棒性也不好等問題，本發(fā)明提供一種基于四元數(shù)理論和canny算法的彩色圖像邊緣檢測(cè)方法，利用四元數(shù)的代數(shù)運(yùn)算和空間特性，以純四元數(shù)表征彩色圖像各個(gè)像素點(diǎn)，構(gòu)建了彩色四元數(shù)邊緣特征矩陣，用于分析彩色圖像的邊緣特性和結(jié)構(gòu)特征，將邊緣鄰域亮度跳變和顏色跳變相融合，避免了傳統(tǒng)算法色彩信息的缺失，減少了噪聲的引入，提高了定位精度和抗噪性能。
[0007]2.技術(shù)方案
[0008]為了解決上述問題，本發(fā)明所采用的技術(shù)方案如下:
[0009]一種基于四元數(shù)理論和canny算法的彩色圖像邊緣檢測(cè)方法，其步驟為:
[0010]I)以四元數(shù)表示原彩色圖像，首先取一幅待處理的彩色圖像，將該彩色圖像的每一個(gè)像素都換算成由R、G、B三基色分量按照比例混合而來，即每一個(gè)像素可以由R、G、B三分量的組合形式來表示，此時(shí)將彩色圖像的每一個(gè)像素都用一個(gè)實(shí)部為O的純四元數(shù)I來表不:
[0011]qr=Ri+Gj+Bk
[0012]其中1、j、k為相互垂直的三維空間單位向量，R、G、B分別表示圖像某處紅、綠、藍(lán)三基色的灰度值；
[0013]2)對(duì)彩色圖像平滑濾波
[0014]用高斯濾波器平滑圖像，去除噪聲，圖像高斯濾波的實(shí)現(xiàn)通過用兩個(gè)一維高斯核分別兩次加權(quán)或者通過一個(gè)二維高斯核一次卷積實(shí)現(xiàn)；
[0015]選用一維高斯函數(shù)G (X)構(gòu)造濾波器，分別按行和列對(duì)原始圖像q(x，y)進(jìn)行卷積操作，得到平滑圖像I (x，y):
【權(quán)利要求】
1.一種基于四元數(shù)理論和canny算法的彩色圖像邊緣檢測(cè)方法，其步驟為:O以四元數(shù)表示原彩色圖像，首先取一幅待處理的彩色圖像，將該彩色圖像的每一個(gè)像素都換算成由R、G、B三基色分量按照比例混合而來，即每一個(gè)像素可以由R、G、B三分量的組合形式來表示，此時(shí)將彩色圖像的每一個(gè)像素都用一個(gè)實(shí)部為O的純四元數(shù)I來表示:

2.根據(jù)權(quán)利要求1所述的基于四元數(shù)理論和canny算法的彩色圖像邊緣檢測(cè)方法，其特征在于:所述的步驟4)的梯度幅值為
【文檔編號(hào)】G06T7/00GK103606163SQ201310645994
【公開日】2014年2月26日 申請(qǐng)日期:2013年12月4日 優(yōu)先權(quán)日:2013年12月4日
【發(fā)明者】李勃, 龔俊, 王云燁, 錢亞楓, 史德飛, 李曉春, 馬衛(wèi)寧, 陳啟美 申請(qǐng)人:南京匯川工業(yè)視覺技術(shù)開發(fā)有限公司, 深圳市匯川技術(shù)股份有限公司