摘 要：邊緣檢測是圖像處理和模式識別領(lǐng)域的基本課題，傳統(tǒng)的邊緣檢測方法僅利用圖像的亮度分量信息。給出一種基于改進顏色模型中顏色距離的彩色圖像邊緣檢測方法，通過實驗，將文中給出的邊緣檢測算法與常用的邊緣檢測算子進行比較。并對邊緣灰度圖像的閾值處理方法予以討論，提出一種具有良好的自適應(yīng)性的算法——極大值法，通過尋找局部極大值點定位邊緣。實驗表明文中給出的算法在改進圖像邊緣檢測效果上是有效的。

關(guān)鍵詞：顏色模型;邊緣檢測;極大值法；模式識別

中圖分類號：TP391 文獻標識碼：B 文章編號：1004373X(2008)1816503

Method of Image Edge Detection Based on Improved Color Model

WANG Ling

(School of Communications，Shandong Normal University，Jinan，250014，China)

Abstract：Edge detection is one of the fundamental topics in image processing and pattern recognition.Traditional edge detection methods are mostly based on gray images.This paper presents an edge detection method of color image based on improved colorspace.A comparison between this method and the most common edge detection algorithms is made by experiment.The paper discusses threshold techniques and gives an adaptive threshold algorithm of gray edge image.Some examples are given to demonstrate the effectiveness of the methods.

Keywords：color model;edge detection;maximum method;pattern relognition

1 引 言

圖像的邊緣是圖像最基本也是最重要的特征之一。邊緣檢測是圖像處理、圖像分析、模式識別、計算機視覺以及人類視覺的基本步驟。

傳統(tǒng)的邊緣檢測方法只考慮由像素的灰度不連續(xù)性所反映的邊緣。但就每一個像素而言存在著3個參數(shù)，即亮度、色調(diào)和飽和度，圖像中主體與主體之間及主體與背景之間的邊界不僅可以通過亮度的躍變來體現(xiàn)，在有些情況下是通過色調(diào)和飽和度的躍變來體現(xiàn)的。

有關(guān)研究表明，圖像中約有90%的邊緣與其灰度圖像中的相同，也就是說，有10%的邊緣僅利用亮度分量是檢測不到的^［1］。

目前，彩色圖像的邊緣檢測算法主要在RGB顏色空間中實現(xiàn)，A R Weeks 等人提出一種使用HSI顏色空間的邊緣檢測算法^［2］。

這些算法一般都是將灰度邊緣檢測算法分別應(yīng)用于各個顏色分量，再通過某種方法將所得結(jié)果合并。HSI顏色模型的設(shè)計反映人類觀察彩色的方式，相比較而言，HSI顏色模型對顏色的描述比RGB顏色模型更符合人的視覺感受^［3］。本文對HSI顏色模型進行改進，在改進顏色空間中對彩色圖像進行邊緣檢測，然后對邊緣灰度圖像的二值化處理技術(shù)予以討論，給出一種基于局部極大值點的二值化算法。

2 改進顏色模型中的圖像邊緣檢測

傳統(tǒng)的邊緣檢測方法是依據(jù)圖像的亮度分量信息進行邊緣檢測，基于顏色距離的邊緣檢測方法綜合考慮色調(diào)、飽和度、亮度3個分量的變化來檢測邊緣，它具有以下優(yōu)點：

首先，可以避免由于僅利用亮度分量檢測邊緣而產(chǎn)生的邊緣信息丟失，得到的邊緣信息更為豐富；

其次，在改進HS*B顏色空間中進行邊緣檢測，檢測結(jié)果更加符合人的視覺感受。

2.1 改進的顏色模型

用色調(diào)、飽和度和亮度這3個要素來描述顏色與人的視覺特征相符，顏色三要素可以用RGB三基色值來計算，在不同的顏色模式中，三要素的計算方法有所區(qū)別。下面在HSI顏色模型的基礎(chǔ)上，保持色調(diào)不變，調(diào)整飽和度和亮度，將整個顏色空間壓縮到半徑為0.5的球內(nèi)，得到改進的顏色模型HS*Y*，如下:H=θG≥B2π－θG

Y*=Y×YYm(2)

S*=S0.52－(Ymm－0.5)21－(Y*Ymm－1)2

Y*

在式(3)中S=1－min(R，G，B)/Y是原飽和度;Y = 0.30R+0.59G+0.11B 是原亮度;式(1)是對亮度Y的心理亮度調(diào)整，式中Ym是Y在色調(diào)和飽和度一定時最大的可能值，亮度的計算考慮了該種顏色的相對明亮度；式(2)對原始飽和度S橢圓化，將任何色調(diào)和飽和度的黑色或白色歸結(jié)為一點，式中Ymm是飽和度為1時的Ym值。

圖1是該顏色空間的垂直投影和紅青縱切面圖。在該顏色空間中，任何2種對立色（如黑白、紅青、藍黃等）距離為1，其他任何兩點顏色間的距離小于1。

圖1 改進的顏色空間2.2 顏色距離法檢測邊緣

HS*Y*顏色空間中任意2個顏色C₁，C₂之間的顏色差用歐幾里德距離表示為:

d12= (Y*1 -Y*2 )2 + S*21+ S*22 -2×S*1 ×S*2 ×cos(H1 -H2 )（4）

采用圖2所示2×2的模板檢測圖像邊緣，其中，P0是被檢測點，P1，P2，P3是P0的鄰接點。

利用式(4)，計算出P0與P1，P2，P3及P1與P2之間的顏色距離d01，d02，d03，d12，P0點的邊緣強度記為：Dm=MAX(d01，d02，d03，d12)（5）

計算圖像中各個像素的Dm，再經(jīng)過歸一化處理就可以得到該幅圖像的邊緣灰度圖像。

3 邊緣灰度圖像的二值化方法

對一幅圖像進行邊緣檢測后得到其邊緣灰度圖像，對邊緣灰度圖像應(yīng)用閾值處理技術(shù)進行二值化^［4，5］，可以得到圖像的二值邊緣圖像，常用的閾值處理技術(shù)包括全局閾值^［6］、自適應(yīng)閾值^［7］、直方圖閾值^［8］、模糊閾值^［9］等。本文提出一種尋求局部極大值點的二值化方法即極大值法。

極大值法的主要思想是查找邊緣灰度圖像中像素值的極大值點，將極大值點作為邊緣像素點，其他像素點均視為非邊緣像素點?？紤]到圖像中邊緣可能沿不同的方向，在圖像中，沿水平(0°)、豎直(90°)、左下(45°)、右下(135°)四個方向掃描極大值點，如圖3所示。為了減弱噪聲的影響，需要消除一些較弱的極大值點，算法中設(shè)定2個參數(shù)T1和T2，T1用于過濾較弱的極大值點，T2用于圖像中上升沿和下降沿的判定。以水平方向為例，用p(x，y)表示當前點(x，y)處的像素值，用p(x+1，y)表示下一個點(x+1，y)處的像素值，則上升沿的判定準則是:p(x+1，y)－p(x，y)pm>T2(6)

下降沿的判定準則是:p(x+1，y)－p(x，y)pm<－T2(7)

圖2 算子模板圖3 掃描方向

僅將像素值大于T1且其前一變化點為上升沿的下降沿像素作為邊緣像素，其他像素均視為非邊緣像素。將4個方向掃描后的結(jié)果合并，作為最終的結(jié)果，得到二值化后的邊緣圖像。如圖4所示為極大值法和全局閾值法的效果比較圖，圖中T為全局閾值法的閾值，T1和T2含義同上文。可以看出用全局閾值法檢測邊緣存在明顯的弊端，不能適應(yīng)圖像各個區(qū)域的差異性，在邊緣信息較強的區(qū)域極易產(chǎn)生較寬的邊緣，使得邊緣定位不夠精確，邊緣信息冗余度較大，如圖4中1區(qū)情況；另一方面，容易忽略掉較弱的邊緣信息，會造成分割后的邊緣信息不連續(xù)，斷點現(xiàn)象較為嚴重，如圖4中2區(qū)情況。而采用極大值法則可以同時使上述的這兩個問題得到控制，即：一是得到的邊緣較窄，邊緣定位的準確度較高；二是對圖像中的每一個像素要參考其周圍區(qū)域像素值的大小以及強弱變化來判定該點是否為邊緣點，可以在很大程度上減小邊緣信息的丟失。

圖4 極大值法和全局閾值法效果比較圖4 實驗結(jié)果及分析

分別在HSI和HS*Y*顏色模型中使用文中的顏色距離法檢測圖像的邊緣，并通過實驗將極大值法的二值化效果與全局閾值法進行比較。圖5中給出了對一幅彩色圖像處理的效果，圖5(a)是原始圖像，(b)和(c)分別是在HS*Y*和HSI顏色模型中邊緣檢測的結(jié)果圖像，(d)和(e)是對(c)圖分別使用極大值法（T1=0.08，T2=0.1）、全局閾值法(T取0.1)二值化后的二值邊緣圖。從圖5可以看出，在改進的顏色模型中檢測邊緣的效果明顯好于HSI顏色模型中的檢測效果。比較(d)和(e)可以看出用全局閾值法得到的邊緣較寬，且容易產(chǎn)生斷點，如女孩的下巴處有一個較大的斷點，與之相比，極大值法提取的邊緣在準確性和閉合程度上都比較高。根據(jù)對邊緣檢測方法的評價指標^［10］，極大值法具有以下優(yōu)點：首先是適應(yīng)性好，可以適應(yīng)不同區(qū)域邊緣像素強度的差異性；其次，由于采用邊緣極大值點作為邊緣點，對不同尺度的邊緣均有較好的響應(yīng)，邊緣定位準確，得到的邊緣點冗余度較??；第三，沿4個方向?qū)ふ疫吘墭O大值點，因而檢測的靈敏度受邊緣的方向影響小，得到的邊緣閉合程度較高。

5 結(jié) 語

本文提出一種在改進顏色模型中，通過計算像素在該顏色空間中的歐氏距離來檢測彩色圖像邊緣的方法。這種方法與僅采用亮度分量檢測邊緣的方法相比較，在提高圖像邊緣的清晰度、定位準確性及連續(xù)性上有較好地效果。對于邊緣檢測后得到的邊緣灰度圖像，給出一種基于局部極大值點的二值化方法，能夠較好的適應(yīng)圖像中不同區(qū)域的差異性，具有邊緣定位準確，邊緣閉合性好等特點。將本文的邊緣檢測方法用于圖像分割及圖像主體區(qū)域提取等問題中獲得較好的實驗效果。

圖5 實驗效果圖像

參 考 文 獻

［1］Nevatia R.A Color Edge Detector and Its Use in Scene Segmentation［J］.IEEE Trans.on Sys.，Man.and Cybern.，1997，7(11):820826.

［2］Weeks A R，F(xiàn)elix C E，Myler H R.Edge Detection of Color Images Using the HSL Color Space［C］.In:SPIE Proceedings，1995:291301.

［3］章琉晉.基于內(nèi)容的視覺信息檢索研究［M］.北京:科學(xué)出版社，2003.

［4］Doyle W.Operation Useful for Similarityinvariant Pattern Recognition［J］.Assoc.Comput.Mach.，1962，9:259267.

［5］Sahoo P K.A Survey of Thresholding Techniques［J］.CVGIP，1988，41(2):233260.

［6］韓思奇，王蕾.圖像分割的閾值法綜述［J］.系統(tǒng)工程與電子技術(shù)，2002，24(6):9194.

［7］王千蒨，彭中，劉莉.一種基于自適應(yīng)閾值的圖像分割算法［J］.北京理工大學(xué)學(xué)報，2003，23(4):521524.

［8］Glasbey C A.An Analysis of Histogrambased Thresholding Algorithms［J］.CVGIP-GMIP，1993，55 (6):532537.

［9］Sheikh A，Soraghan J.Fuzzybased Multiscale Edge Detection［J］.Electronics Letters，2003，39(1):3032.

［10］段瑞玲，李慶祥，李玉和.圖像邊緣檢測方法研究綜述［J］.光學(xué)技術(shù)，2005，31(3):415419.

作者簡介 王 玲 女，1973年出生，碩士，講師。主要研究方向為圖像分析與識別、多媒體信息檢索?！冬F(xiàn)代電子技術(shù)》2008年第18期總第281期

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文