CN107403435B

CN107403435B - 一种基于rgb颜色空间的彩色图像边缘提取方法

Info

Publication number: CN107403435B
Application number: CN201710632219.7A
Authority: CN
Inventors: 陶鹤鸣; 赵不贿; 郑博
Original assignee: Jiangsu University
Current assignee: Jiangsu University
Priority date: 2017-07-28
Filing date: 2017-07-28
Publication date: 2020-06-26
Anticipated expiration: 2037-07-28
Also published as: CN107403435A

Abstract

本发明公开了一种基于RGB颜色空间的彩色图像边缘提取方法，包括以下步骤：1)对待处理的彩色样本图像中的图案进行取样，得到取样图像的RGB平均值；2)在RGB颜色空间中建立圆锥分割模型；3)对圆锥的中心轴线阈值，截取圆台模型，分割出图案区域；4)对分割出的图像使用Canny算子进行边缘提取，得到边缘数据。本发明是直接在RGB彩色空间中建立模型然后分割提取，相对于现有技术中直接对彩色图像进行检测或将彩色图像转换为不同颜色空间下的灰度图像后处理的方法，本方法的边缘提取精度更高。且本发明的边缘提取方法中，由于在RGB颜色空间中只针对圆台模型内部的像素点进行边缘提取，处理的数据量较少，可以提高边缘提取的速度。

Description

一种基于RGB颜色空间的彩色图像边缘提取方法

技术领域

本发明涉及机器视觉图像处理领域，特别是涉及针对RGB颜色空间的彩色图像分割与边缘提取方法。

背景技术

随着工业自动化的高速发展，机器视觉已经应用在了如布料裁剪、农作物智能采摘机器人、水刀切割金属图案等自动化设备中，而边缘的提取是机器视觉图像处理中最重要的环节之一。因此涌现出了许多关于边缘提取方法的研究，如在灰度图像下的梯度法、小波变换法和在彩色图像下的色差法、超绿法等。

但是，针对彩色图像转换为灰度图像进行处理的这些算法，对于图案边缘周围的像素点不好把握，且需要考虑到目标图案以外的噪点，处理耗时较长，精度与效率较低。而直接对彩色图像进行分割处理的算法，对于颜色分割不够精确，其余相近颜色的干扰噪声无法去除，使边缘检测的精度降低。

发明内容

本发明所要解决的技术问题是：为了弥补上述边缘提取方法的不足，本发明提出一种在RGB颜色空间中针对彩色图像的先分割，后边缘检测的方法。该方法使彩色图像的边缘检测精度提高，且耗时较少。

本发明的技术问题通过以下的技术方案予以解决：

1)在RGB颜色空间中对彩色图像中图案的边缘进行取样，对取样图像分别计算R、G、B的灰度级平均值R_P、G_P、B_P，得到样本图像的几何重心P(RP，GP，BP)；

2)在RGB颜色空间中，以OP为圆锥轴线，以α为圆锥半顶角，建立圆锥分割模型；

3)对圆锥中心轴线的长度平方取阈值L、H，截取获得圆台分割模型，分割出图案区域；

4)对分割出的图像使用Canny算子进行边缘提取，得到边缘数据。

进一步，所述步骤1)中的取样操作：手动选取一块彩色图像样本，将其RGB的平均值的点P(R_P,G_P,B_P)作为所述步骤2)中圆锥中心轴上的点。

进一步，所述步骤1)中，对对彩色图像中图案的边缘进行取样时尽量选取多块颜色图案，这样通过R、G、B的灰度级平均值选取的圆锥模型中心轴线更加精确。

进一步，所述步骤2)的具体过程为，在RGB颜色空间中，以O点为圆锥的顶点，OP为中心轴线，α为圆锥半顶角，P点的坐标(R_P,G_P,B_P)是在步骤1)中选取样本图像的平均值求得；在圆锥的内部任意取一点Q，坐标为(R，G，B)，OQ与OP间的夹角为α’，在△OPQ中，根据余弦定理以及三维空间中两点距离公式，可以求得落在圆锥内部的点，圆锥模型的表达式应满足下列条件：

令k＝cos²α·(R_P ²+G_P ²+B_P ²)

则有k(R²+G²+B²)≤(R_P×R+G_P×G+B_P×B)²

即过原点任意轴线的圆锥分割算法公式为：

上式中f’(x)为圆锥模型分割出的图像区域，f(x)为圆锥模型内部的区域，0为需要去掉的区域，根据上式在RGB颜色空间中建立圆锥模型。

进一步，所述步骤3)中，在步骤2)中圆锥分割的基础上进行阈值，选择所需要的颜色分量的阈值，将阈值法与圆锥分割法结合，获得圆台模型；以球面替代平面，过原点任意轴线的圆台分割算法公式为：

上式中L、H是圆台两平面圆心到原点O的距离的平方，f’(x)为圆锥模型分割出的图像区域，f(x)为圆锥模型内部的区域，0为需要去掉的区域。

进一步，所述步骤3)中圆台分割模型将彩色图像中包含在圆台中的像素点分割出来，就得到了彩色图像的感兴趣区域。

进一步，所述步骤4)中将步骤3)中分割出的彩色图像感兴趣区域转换为灰度图像，使用二维高斯核的一阶导数来低通滤波，然后使用2*2邻域的一阶偏导有限差分计算滤波后图像的梯度幅值和梯度方向，对得到的梯度幅值进行非极大值抑制，以确定是否为边缘数据点，通过拟合这些边缘数据点就得到需要的彩色图像的边缘数据。

进一步，所述步骤1)到步骤3)中的边缘提取方法不需要转换为灰度图像，而是在RGB颜色空间中直接进行彩色圆台分割，将分割后的感兴趣区域进行边缘检测，得到最后需要得到的彩色图像的边缘数据。

本发明与现有技术对比的有益效果是：

有益效果：与现有技术相比，本发明是直接在RGB彩色空间中建立模型然后分割提取，相对于现有技术中直接对彩色图像进行检测或将彩色图像转换为不同颜色空间下的灰度图像后处理的方法，本方法的边缘提取精度更高。且本发明的边缘提取方法中，由于在RGB颜色空间中只针对圆台模型内部的像素点进行边缘提取，处理的数据量较少，可以提高边缘提取的速度。该算法应用于机器视觉解决方案中，使得彩色图像的边缘提取效率更高，边缘分割更加精确完整，且拓展性很强。

附图说明

图1为本发明具体实施方式中基于RGB颜色空间的彩色图像的边缘提取方法的流程图；

图2为基于RGB颜色空间的圆锥分割示意图；

图3为基于RGB颜色空间的圆台分割示意图；

图4为本发明应用在彩色图像边缘提取中的效果示意图。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步的详细说明。

如图1所示，为本发明具体实施方式中基于RGB颜色空间的彩色图像的边缘提取方法的流程图，包括以下步骤：

S1)在RGB颜色空间中对彩色图像中图案的边缘进行取样，对取样图像分别计算R、G、B的灰度级平均值RP、GP、BP，得到样本图像的几何重心P(R_P，G_P，B_P)；

此步骤中，在样本图像中对待边缘提取的颜色部分进行取样操作。将一副彩色图像放在RGB颜色空间中时，每个像素点都有固定的R、G和B的灰度级的值，为了使分割模型尽量包含我们所需要分割的像素点，可以通过颜色取样获得彩色图像的R、G和B的灰度级平均值，此时建立的圆锥模型最为科学。

具体地，在机器视觉图像处理中，RGB颜色空间是最常见的一种颜色空间。根据色匹配原理，在RGB颜色空间中，通过改变R、G和B三基色各自的强度就可以得到任意颜色的像素点。颜色的混合公式为：C＝r[R]+g[G]+b[B]。其中C代表任意一种颜色，而[R]、[G]和[B]为三基色，通过改变强度比例系数r、g与b的值就可以在RGB颜色空间中混合出任意颜色。通常三基色R、G和B有256级亮度，用数字表示从0～255，本步骤在待分割图像中选取一块彩色图像样本，求出不同亮度级的三基色平均值，将其记为(R_P,G_P,B_P)。对彩色图像样本取样时尽量选取多块颜色图案，这样通过R、G和B的灰度级平均值选取的圆锥模型中心轴线更加精确。如图2所示，图2为基于RGB颜色空间的圆锥分割示意图，该平均值点即为图2中的P点。

S2)在RGB颜色空间中，以OP为圆锥轴线，以α为圆锥半顶角，建立圆锥分割模型。

此步骤中，为了减少彩色图像边缘提取所需要处理的像素数量，需要在RGB颜色空间里建立圆锥分割模型，对彩色图像先分割，后边缘提取。如图2所示，在RGB颜色空间中，以O点为圆锥的顶点，OP为中心轴线，α为圆锥半顶角，在圆锥的内部任意取一点Q，坐标为(R，G，B)，OQ与OP间的夹角为α’。

具体地，RGB颜色空间是一个立方体，传统的彩色图像分割法如超绿法色差法都是在这个立方体中通过剖面切割，得到一个多面体，以去掉不需要的颜色部分。这种多面体模型很粗糙，而圆锥模型的表面类似于一个球面，可以将RGB颜色空间分割地很光滑，能够去掉一些剖面切割去不掉的颜色像素点。P点的坐标(R_P,G_P,B_P)是在S1)步骤中选取样本图像的RGB亮度级平均值求得(即图像区域的几何重心)，原点O与P点的连线OP即为需要建立的圆锥分割模型的中心轴线。为了将需要进行边缘提取的区域中大部分像素点分割出来，需要设定圆锥的半顶角α。α的值是限定整个圆锥分割模型体积大小的关键，α的值越大，圆锥所能包含的彩色图像像素点越多，分割出的色域范围也越广。α的值越小，圆锥所能包含的彩色图像像素点就越少，分割出的色域范围也越窄。

在图2的△OPQ中，根据余弦定理以及三维空间中两点距离公式，可以求得落在圆锥内部的点。表达式应满足下列条件：

令k＝cos²α·(R_P ²+G_P ²+B_P ²)其中

则有k(R²+G²+B²)≤(R_P×R+G_P×G+B_P×B)²

即过原点任意轴线的圆锥分割算法公式为：

式(3)中，f’(x)为圆锥模型分割出的图像区域，f(x)为圆锥模型内部的区域，0为需要去掉的区域。此时在RGB颜色空间中的圆锥分割模型建立完毕。

S3)对圆锥中心轴线的长度平方取阈值L、H，截取获得圆台模型，分割出图案区域；

此步骤中，对步骤S2)中圆锥中心轴线OP的长度平方取阈值L、H，截取圆锥轴线获得圆台模型，分割出图案区域。

具体地，从式(3)中可以看出，黑色像素点(0,0,0)也同样满足分割条件，且由于S2)步骤中的圆锥分割模型会分割出彩色图像中原点O和圆锥底面周围近似于黑色与白色的像素点，这些像素点并不是RGB颜色空间中彩色图像边缘提取所需要的。所以在S2)步骤中圆锥分割的基础上对圆锥中心轴线的长度平方取阈值L、H，截取获得圆台模型，分割出图案区域。

传统的阈值分割法是一种基于区域的图像分割方法，原理是根据灰度值的不同将图像象素点分类。图像阈值化分割是最常用的图像分割方法，分割简单，计算量很小，所以成为图像分割中应用最广泛的分割方法，它适用于目标和背景处于不同灰度级的图像。即设原始图像为f(x，y)，x与y为图像的任意像素点坐标，按照一定的准则在f(x，y)中找到特征值T，将图像分割为两个部分，图像二值化就是图像阈值法的一种。而步骤S3)将阈值法与圆锥分割法结合，选择所需要的颜色分量(即圆锥的中心轴线的长度平方)的阈值，建立RGB空间中的彩色图像圆台模型，应用此模型进行分割，可以滤除彩色图像中的部分颜色噪声，使颜色分割更加精确。

图3为基于RGB颜色空间的圆台分割示意图，图3是在图2的圆锥模型基础上对圆锥中心轴线的长度平方取阈值而建立的。为计算简便，以近似球面的圆台面替代平面，过原点任意轴线的圆台分割算法公式为：

式(4)中L、H是圆台两平面圆心到原点O的距离的平方，f’(x)为圆锥模型分割出的图像区域，f(x)为圆锥模型内部的区域，0为需要去掉的区域。该算法将阈值法与圆锥分割法相结合，具有更高的精确度，可以更好地滤除背景颜色噪声。根据式(4)，将彩色图像中包含在圆台中的像素点分割出来，就得到了彩色图像的感兴趣区域。

S4)对分割出的图像使用Canny算子进行边缘提取，得到边缘数据。

此步骤中，先将S3)步骤中分割出的感兴趣区域中的彩色图像转换为灰度图像，对该灰度图像使用Canny算子进行边缘提取，得到边缘数据。

Canny算法首先使用二维的高斯函数：

的一阶导数对图像进行低通滤波，可以根据σ的值调节滤波后图像的信噪比。该低通滤波既可以抵抗边缘噪声干扰，又可以对边缘精确定位。然后使用2*2邻域的一阶偏导有限差分计算滤波后图像的梯度幅值和梯度方向，对得到的梯度幅值进行非极大值抑制，以确定是否为边缘数据点，通过拟合这些边缘数据点就得到需要的彩色图像的边缘数据。

图4为本发明应用在彩色图像边缘提取中的效果示意图，分别为原图、圆台分割后的感兴趣区域图和边缘图像。

本具体实施方案中，通过步骤S1)-S4)即完成了一幅基于RGB颜色空间的彩色图像边缘提取。本具体实施方案中，本发明针对彩色图像的边缘提取算法先在RGB颜色空间中对目标颜色区域进行分割，得到图像的感兴趣区域。感兴趣区域才是在实际边缘提取应用中需要分割出的部分，该区域包含的实用数据更多。该边缘提取算法相对于现有技术，先在RGB颜色空间里建立圆锥分割模型，将圆锥分割模型与传统阈值分割法相结合，然后对彩色图像进行圆台模型分割，最后再针对感兴趣区域进行边缘检测。不但在RGB颜色空间里相对于现有的彩色图像分割技术更加精确，可以更精确滤除边缘颜色噪声、使边缘更清晰，而且直接针对分割后的感兴趣区域进行边缘检测，可以提高边缘检测的效率。该算法应用于机器视觉解决方案中，使得彩色图像的边缘提取更加精确与完整，可以拓展到如布料裁剪、农作物智能采摘机器人、水刀切割金属图案等自动化系统中去。

本发明是直接在RGB彩色空间中建立模型然后分割提取，相对于现有技术中直接对彩色图像进行检测或将彩色图像转换为不同颜色空间下的灰度图像后处理的方法，本方法的边缘提取精度更高。且本发明的边缘提取方法中，由于在RGB颜色空间中只针对圆台模型内部的像素点进行边缘提取，处理的数据量较少，可以提高边缘提取的速度。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims

1.一种基于RGB颜色空间的彩色图像边缘提取方法，其特征在于：其包括以下步骤：

4)对分割出的图像使用Canny算子进行边缘提取，得到边缘数据；

所述步骤2)的具体过程为，在RGB颜色空间中，以O点为圆锥的顶点，OP为中心轴线，α为圆锥半顶角，P点的坐标(R_P,G_P,B_P)是在步骤1)中选取样本图像的平均值求得；在圆锥的内部任意取一点Q，坐标为(R，G，B)，OQ与OP间的夹角为α’，在△OPQ中，根据余弦定理以及三维空间中两点距离公式，可以求得落在圆锥内部的点，圆锥模型的表达式应满足下列条件：

令k＝cos²α·(R_P ²+G_P ²+B_P ²)

则有k(R²+G²+B²)≤(R_P×R+G_P×G+B_P×B)²

即过原点任意轴线的圆锥分割算法公式为：

上式中f’(x)为圆锥模型分割出的图像区域，f(x)为圆锥模型内部的区域，0为需要去掉的区域，根据上式在RGB颜色空间中建立圆锥模型；

所述步骤3)中，在步骤2)中圆锥分割的基础上进行阈值，选择所需要的颜色分量的阈值，将阈值法与圆锥分割法结合，获得圆台模型；以球面替代平面，过原点任意轴线的圆台分割算法公式为：

上式中L、H是圆台两平面圆心到原点O的距离的平方，f’(x)为圆锥模型分割出的图像区域，f(x)为圆锥模型内部的区域，0为需要去掉的区域；

所述步骤3)中圆台分割模型将彩色图像中包含在圆台中的像素点分割出来，就得到了彩色图像的感兴趣区域；

所述步骤1)中的取样操作：手动选取一块彩色图像样本，将其RGB的平均值的点P(R_P,G_P,B_P)作为所述步骤2)中圆锥中心轴上的点；

所述步骤1)中，对对彩色图像中图案的边缘进行取样时尽量选取多块颜色图案，这样通过R、G、B的灰度级平均值选取的圆锥模型中心轴线更加精确。

2.根据权利要求1所述的一种基于RGB颜色空间的彩色图像边缘提取方法，其特征在于：所述步骤4)中将步骤3)中分割出的彩色图像感兴趣区域转换为灰度图像，使用二维高斯核的一阶导数来低通滤波，然后使用2*2邻域的一阶偏导有限差分计算滤波后图像的梯度幅值和梯度方向，对得到的梯度幅值进行非极大值抑制，以确定是否为边缘数据点，通过拟合这些边缘数据点就得到需要的彩色图像的边缘数据。

3.根据权利要求1所述的一种基于RGB颜色空间的彩色图像边缘提取方法，其特征在于：所述步骤1)到步骤3)中的边缘提取方法不需要转换为灰度图像，而是在RGB颜色空间中直接进行彩色圆台分割，将分割后的感兴趣区域进行边缘检测，得到最后需要得到的彩色图像的边缘数据。