[发明专利]一种彩色图像边界提取方法

说明书

技术领域

本发明涉及计算机视觉、数字图像处理领域，尤其是一种彩色图像边界提取方法。

背景技术

彩色图像边界是指图像中周围像素值有阶跃变化的那些像素的集合，即图像局部变化最显著的部分。边界提取算法通常分为三类：输出合成，梯度合成及向量方法。输出合成，先对彩色图像的各分量独立边缘检测，然后合成前面的结果作为最后边缘；梯度合成，先合成各分量的梯度，然后边缘检测；向量方法将彩色图像看作向量，充分利用色彩信息，可以获得比较理想的边缘。

目前灰度图像边界提取技术已相当成熟，彩色边界提取最直接的方法就是将彩色图像转变为灰度图像，然后利用现有灰度图像边界提取技术提取边界。然而彩色图像有90%的边缘和灰度图像中的边缘相同，有10%的边缘在灰度图像中是检测不到的，人在视觉上感知边缘位置的依据是亮度值和色彩等信息。

采用基于向量空间的彩色图像Canny算法可以充分利用色彩信息。首先将彩色图像R、G、B分量在向量空间计算梯度，得到向量空间梯度值及方向角，然后依据方向角对梯度图像进行非极大值抑制，计算高低两个阈值，最后在8邻域内连接边界点得到边界图像。

如上所述，采用彩色图像转灰度图像再进行边界提取将丢失10%的色彩边界；并且在彩色图像转到灰度图像的过程中也会有大量彩色相关信息丢失；采用基于向量空间的彩色图像Canny算法可以充分利用色彩信息，但是会忽略一些亮度信息。

因此，本发明针对以上问题提出充分融合亮度信息和色彩信息的彩色图像边界提取方案，以提高彩色图像边界提取的精确性和高效性，同时尽量保持原有的算法复杂度。

发明内容

有鉴于此，本发明的目的是提供一种彩色图像边界提取方法。

本发明采用以下方案实现：一种彩色图像边界提取方法，其特征在于，包括以下步骤：

S1：提取彩色图像的亮度信息I和彩色信息R、G、B；

S2：对所述亮度信息I和彩色信息R、G、B分别进行高斯平滑，得到平滑后的亮度信息i和彩色信息r、g、b；

S3：对所述亮度信息i和彩色信息r、g、b分别求高斯一阶偏导，并计算所述亮度信息i的亮度梯度值                                               和方向以及所述彩色信息r、g、b在向量空间中的向量梯度值和方向；

S4：对所述亮度梯度值和向量梯度值分别进行非极大值抑制，并分别记为亮度梯度值G和向量梯度值F；

S5：对所述亮度梯度值G和向量梯度值F分别进行双阈值分割，得到亮度梯度值G的高阈值边界图像和低阈值边界图像以及向量梯度值F的高阈值边界图像和低阈值边界图像；

S6：融合所述亮度梯度值G的高阈值边界图像和向量梯度值F的高阈值边界图像得到高阈值图像，并融合所述亮度梯度值G的低阈值边界图像和向量梯度值F的低阈值边界图像得到低阈值图像；

S7：在所述低阈值图像的8邻域寻找能够连接到所述高阈值图像的边界点，并连接成轮廓得到边界图像。

在本发明一实施例中，所述步骤S2中，利用高斯滤波公式进行高斯滤波，其中，为方差；对于亮度信息I，令，平滑结果为i，对于彩色信息R、G、B，分别令,,，平滑结果分别为r、g、b。

在本发明一实施例中，所述步骤S3中，所述亮度信息i的亮度梯度值和方向,对所述彩色信息r、g、b分别求高斯一阶偏导得、、、、和，所述彩色信息r、g、b在向量空间中的向量梯度值和方向，其中，，，，，。

在本发明一实施例中，所述步骤S4中，对于亮度梯度值，进行非极大值抑制的插值计算时，权重由与的比值得到；对于向量梯度值，进行非极大值抑制的插值计算时，首先保存梯度最大时对应的角度，然后选择 或作为权重。

在本发明一实施例中，所述步骤S5中，选定两个阈值和，且，从亮度梯度值G中去除梯度值小于的梯度值，得到高阈值边界图像，去除梯度值小于的梯度值，得到低阈值边界图像；从向量梯度值F中去除梯度值小于的梯度值，得到高阈值边界图像，去除梯度值小于的梯度值，得到低阈值边界图像。

在本发明一实施例中，所述。

在本发明一实施例中，所述步骤S6中，所述融合方法为求并集。

在本发明一实施例中，所述步骤S7中，还采用二值图像单位像素细化所述轮廓得到最终边界图像。

本发明与现有技术相比具有如下优点：