CN101246593A - 一种彩色图像边缘检测方法及设备 - Google Patents

Abstract

本发明涉及一种彩色图像检测方法，其特征在于：将输入图像映射到多个不同的色彩空间；分别对所述色彩空间中的彩色图像进行边缘检测，得出每个色彩空间中的边缘检测结果；对所述边缘检测结果进行融合。本发明通过在多个色彩空间对彩色图像进行边缘检测，并使用分类器融合技术集成检测结果，从而结合了各种色彩空间在图像表达上的优势，充分利用了多种色彩空间的边缘检测效果，提高了边缘检测的精度。

Description

一种彩色图像边缘检测方法及设备

技术领域

本发明涉及数字图像处理，尤其涉及一种彩色图像边缘检测方法及设备。

背景技术

图像边缘是图像中像素值存在突变的地方，它表明一个区域的终结和另一个区域位置的开始。检测出图像的边缘不仅能获取图像的大部分信息，而且还可以确定出图像中物体的基本轮廓。因此，图像边缘检测是数字图像处理的重要组成部分，是图像识别、恢复、增强以及重建的重要手段。

图像边缘检测的方法众多，如微分法边缘检测。传统的边缘检测方法大都是基于灰度图像来进行的，这对于彩色图像来说：首先，它的彩色信息没有被充分利用；其次，在图像的灰度差别很小时往往检测不到边缘，有时还会虚报图像的边缘。另外，也存在单纯基于某个色彩空间进行的边缘检测，例如基于RGB色彩空间、HSV色彩空间等。在特定的色彩空间中进行图像边缘检测一般只具有该空间的特定优势，而基于单个色彩空间进行边缘检测无法具备所有色彩空间的优势。因此，为了提高彩色图像的边缘检测精度，需要一种方法来结合各种色彩空间在图像表达上的优势。

发明内容

本发明的目的在于提供一种能解决上述问题的彩色图像边缘检测方法及设备。

第一方面，本发明提供了一种彩色图像边缘检测方法，其特征在于：

将输入图像映射到多个不同的色彩空间；分别对所述色彩空间中的彩色图像进行边缘检测，得出每个色彩空间中的边缘检测结果；以及采用分类器融合方法对所述边缘检测结果进行融合。

第二方面，本发明提供了一种彩色图像边缘检测设备，包括：色彩空间变换模块，用于将输入图像映射到多个不同的色彩空间；边缘检测模块，用于分别对所述色彩空间中的彩色图像进行边缘检测，得出每个色彩空间中的边缘检测结果；以及分类器融合模块，用于采用分类器融合方法对所述边缘检测结果进行融合。

本发明通过在多个色彩空间对彩色图像进行边缘检测，并使用分类器融合技术集成检测结果，从而结合了各种色彩空间在图像表达上的优势，充分利用了多种色彩空间的边缘检测效果，提高了边缘检测的精度。

附图说明

下面将参照附图对本发明的具体实施方案进行更详细的说明，在附图中：

图1是根据本发明的彩色图像边缘检测的系统框图。

具体实施方式

图1是根据本发明的彩色图像边缘检测的系统框图。

如图1所示，根据本发明的彩色图像边缘检测系统包括色彩空间变换模块、多个边缘检测模块、和分类器融合模块。

色彩空间变换模块用于将输入图像映射到多个不同的色彩空间。

多个边缘检测模块用于分别对映射到各色彩空间的图像进行彩色图像边缘检测并将所有边缘图像二值化，然后将各边缘检测结果输入到分类器融合模块。

分类器融合模块用于将输入的所有边缘检测结果进行集成。

下面根据本发明的一个具体实施例来详细描述图1的彩色图像边缘检测流程。

首先，对输入的每幅图像进行平滑、去噪等简单的预处理。

在完成预处理之后，通过色彩空间变换模块将输入图像由RGB色彩空间映射到N个不同的色彩空间，比如Lab、YIQ、YUV、YCrCb、HSI、HSV、HSL、CMY、CMYK。等，得到变换后的N幅彩色图像。在N个色彩空间中的每一个色彩空间，按照该空间的颜色距离使用梯度算子对变换后的N幅彩色图像进行彩色图像边缘检测，获得N幅边缘图像。然后，将获得的N幅边缘图像二值化(边缘点用1表示，非边缘点用0表示)，得到N个边缘检测结果。最后将N个边缘检测结果输入到分类器融合模块中。分类器融合模块对N个边缘检测结果进行集成，从而得到集成的边缘检测结果。

最后，对于融合后的结果进行后处理，主要是将上述边缘图像中的边缘像素点连接起来组成封闭的边界，有多种方法可以选择。例如，可以使用数学形态学中的闭合操作来完成边界闭合。

如上所述，在色彩空间1到色彩空间N中，对彩色图像进行边缘检测可以采用各种边缘检测算子，如Robert算子、Sobel算子、Laplace算子、Candy算子等。

下面，以Lab空间为例详细介绍该空间中的边缘检测方法：

设输入的彩色图像为矩阵[I_ij]_w×h，其中，w和h分别表示图像的宽度和高度，I_ij是表示图像中任意位置(i，j)处的像素集合，包括三个分量即I_ij＝{L_ij，a_ij，b_ij}，边缘图像为矩阵[B_ij]_w×h，其中B_ij表示图像中任意位置(i，j)处的像素值，B_ij取值为0或者1，1表示边缘点，0表示非边缘点。

按照如下两个公式在每一个像素点I_ij处计算其x方向梯度D_x(I_ij)和y方向的梯度D_y(I_ij)，

D_x(I_ij)＝d(I_i+1，j+1，I_i+1，j-1)+2d(I_i，j+1，I_i，j-1)+d(I_i-1，j+1，I_i-1，j-1)

D_y(I_ij)＝d(I_i+1，j+1，I_i-1，j+1)+2d(I_i+1，j，I_i-1，j)+d(I_i+1，j-1，I_i-1，j-1)

其中d(□，□)表示给定色彩空间中两个像素点之间的距离。对于不同的色彩空间需要采取色彩距离度量也不同。例如在Lab空间，任意两个像素点A和B的色彩距离为定义如下：

$d(A,B)=\sqrt{{(L_A-L_B)}^2+{(a_A-a_B)}^2+{(b_A-b_B)}^2}$

然后，按照下式计算边缘图像上每一个像素点B_ij的像素值：

$B_{\mathrm{ij}}=\left\{\begin{array}{cc}1& \mathrm{if}\left|D_x\left(I_{\mathrm{ij}}\right)\right|+\left|D_y\left(I_{\mathrm{ij}}\right)\right|>T\\ 0& \mathrm{if}\left|D_x\left(I_{\mathrm{ij}}\right)\right|+\left|D_y\left(I_{\mathrm{ij}}\right)\right|\≤T\end{array}\right.$

其中T是预先设置的阈值，可以根据实际需要灵活设置。

如上所述，在色彩空间1到色彩空间N中完成边缘检测之后，将获得的所有边缘图像二值化(边缘点用1表示，非边缘点用0表示)，将每个边缘检测结果输入到分类器融合模块中，对所有的边缘检测结果进行集成，从而得到最终更准确的边缘检测结果输出。

分类器融合模块可以使用多种分类器融合方法，如投票法、最大规则法、最小规则法、线性组合法、模糊归属函数法等等。下面将详细阐述本发明提出的方法。

首先，按照下式计算任意两个色彩空间——色彩空间i和色彩空间j中的边缘检测结果λ⁽ⁱ⁾和λ^(j)的互信息Φ^NMI(λ⁽ⁱ⁾，λ^(j))：

${\mathrm{\Φ}}^{\mathrm{NMI}}({\mathrm{\λ}}^{\left(i\right)},{\mathrm{\λ}}^{\left(j\right)})=\frac{1}{w\×h}\underset{x=1}{\overset{w}{\mathrm{\Σ}}}\underset{y=1}{\overset{h}{\mathrm{\Σ}}}\mathrm{\δ}({\mathrm{\λ}}^{\left(i\right)}(x,y)={\mathrm{\λ}}^{\left(j\right)}(x,y))$

其中w和h分别表示图像的宽度和高度，δ(□)是示性函数，括号中的条件满足时取1，否则取0。

然后，按照下式计算每个边缘检测结果的平均互信息Φ_i：

${\mathrm{\Φ}}_i=\frac{1}{N-1}\underset{j=1,j\≠i}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\Φ}}^{\mathrm{NMI}}({\mathrm{\λ}}^{\left(i\right)},{\mathrm{\λ}}^{\left(j\right)}),i=\mathrm{1,2},\·\·\·,N$

将平均互信息Φ_i的倒数作为每个色彩空间的边缘检测结果的权重，再采用加权投票的方式计算任意像素位置(x，y)处的检测结果，从而得到融合后的边缘检测结果：

$L(x,y)=\underset{k=\mathrm{0,1}}{\arg \max }\underset{l=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{\δ}(l_i(x,y)=k)w_i$

其中，L(x，y)表示(x，y)处像素的检测结果，可以取值1或者0，L(x，y)＝1表示为边缘点。l_i(x，y)表示在第t个色彩空间的检测结果，取值1或者0， $w_i=\frac{1}{{\mathrm{\Φ}}_i}$ 表示该色彩空间的检测结果的权重，δ(□)是示性函数。

显而易见，在不偏离本发明的真实精神和范围的前提下，在此描述的本发明可以有许多变化。因此，所有对于本领域技术人员来说显而易见的改变，都应包括在本权利要求书所涵盖的范围之内。本发明所要求保护的范围仅由所述的权利要求书进行限定。

Claims (12)

1.一种彩色图像检测方法，其特征在于：

将输入图像映射到多个不同的色彩空间；

分别对所述色彩空间中的彩色图像进行边缘检测，得出每个色彩空间中的边缘检测结果；以及

采用分类器融合方法对所述边缘检测结果进行融合。

2.权利要求1的方法，其中，所述边缘检测步骤包括：

将所述边缘检测得出的边缘图像二值化以得出每个色彩空间中的边缘检测结果。

3.权利要求1的方法，还包括：

在将输入图像映射到多个不同的色彩空间的步骤之前，对所述输入图像进行预处理；和/或

在对所述边缘检测结果进行融合的步骤之后，对融合结果进行后处理。

4.权利要求1的方法，其中，所述边缘检测是按照对应色彩空间的颜色距离使用梯度算子来进行。

5.权利要求4的方法，其中，所述梯度算子是下列之一：

Robert算子、Sobel算子、Laplace算子、Candy算子和Prewitt算子。

6.权利要求1的方法，其中，所述分类器融合方法包括：

计算任意两个色彩空间中边缘检测结果的互信息；

利用所述互信息计算每个色彩空间的边缘检测结果；以及

用加权投票方式计算任意像素位置处的检测结果。

7.权利要求1的方法，其中，所述多个不同的色彩空间是RGB、Lab、YIQ、YUV、YCrCb、HSI、HSV、HSL、CMY和CMYK。

8.一种彩色图像检测设备，包括：

色彩空间变换模块，用于将输入图像映射到多个不同的色彩空间；

边缘检测模块，用于分别对所述色彩空间中的彩色图像进行边缘检测，得出每个色彩空间中的边缘检测结果；以及

分类器融合模块，用于采用分类器融合方法对所述边缘检测结果进行融合。

9.权利要求8的设备，其中，所述边缘检测模块包括：

将所述边缘检测得出的边缘图像二值化以得出每个色彩空间中的边缘检测结果的模块。

10.权利要求8的设备，还包括：

在将输入图像映射到多个不同的色彩空间的步骤之前，对所述输入图像进行预处理的模块；和/或

在对所述边缘检测结果进行融合的步骤之后，对融合结果进行后处理的模块。

11.权利要求8的设备，其中，所述边缘检测模块按照对应色彩空间的颜色距离使用梯度算子进行边缘检测。

12.权利要求8的设备，其中，所述分类器融合模块包括：

计算任意两个色彩空间中边缘检测结果的互信息的模块；

利用所述互信息计算每个色彩空间的边缘检测结果的模块；以及

以加权投票方式计算任意像素位置处的检测结果的模块。

Images