柳歡

（安徽理工大學(xué)電氣與信息工程學(xué)院，安徽淮南 232001）

結(jié)合RGB空間和人工蜂群算法的彩色圖像邊緣檢測(cè)

柳歡

（安徽理工大學(xué)電氣與信息工程學(xué)院，安徽淮南 232001）

由于傳統(tǒng)的梯度算子搜索邊緣會(huì)丟失一些邊緣，提出了一種在RGB彩色空間的邊緣檢測(cè)方法。該方法先獲得RGB梯度圖像，而閾值則通過人工蜂群算法搜索得到，進(jìn)而得到邊緣圖像。

RGB；人工蜂群算法；邊緣檢測(cè)

1 引言

邊緣蘊(yùn)含了圖像的很多訊息，是圖像很重要的特征。傳統(tǒng)的邊緣檢測(cè)[1-2]方法有基于梯度的邊緣檢測(cè)，而這種方法，主要是針對(duì)灰度圖，忽略了色度信息，容易丟失邊緣。而在RGB顏色空間的邊沿檢測(cè)[3]則能很好用到色彩信息，獲得更豐富的邊沿信息。但基于RGB彩色空間的邊緣檢測(cè)的閾值不好確定，本文將引入人工蜂群算法[4]來獲得閾值。

2 基于RGB空間的彩色圖像邊緣檢測(cè)

而沿著這個(gè)方向的變化率值為

又有tan（α）=tan（α±π），如果β是式（7）的解，那么β±π、2也是這個(gè)式子的解，又因?yàn)镕θ=Fθ+π，所以F只需要對(duì)θ在[0，π]之間計(jì)算。由式（7）可知，在每個(gè)點(diǎn)（x，y）處有兩個(gè)正交方向，沿著這兩方向，F(xiàn)值獲得最大。

3 人工蜂群算法

在人工蜂群(ABC)算法中，蜂群被分為雇傭蜂、觀察蜂和偵察蜂三類，人工蜂群算法主要應(yīng)用到尋找最優(yōu)解，本文將用它查找最佳閾值[5]。

ABC算法實(shí)現(xiàn)過程為：先隨機(jī)生成初始花蜜源，再以類間方差作為適應(yīng)度函數(shù)計(jì)算每個(gè)花蜜源的適應(yīng)度值。雇傭蜂開始鄰域搜索得到新蜜源并計(jì)算其適應(yīng)度值，與舊蜜源進(jìn)行比較，選擇較為優(yōu)秀的蜜源。觀察蜂按輪盤賭法選擇蜜源并進(jìn)行鄰域搜索，再計(jì)算新蜜源的適應(yīng)度值，選擇適應(yīng)度值較高的花蜜源位置作為本次迭代的花蜜源位置。若是通過設(shè)置的限制次數(shù)循環(huán)后，一個(gè)蜜源依然沒有變化，那么拋棄該蜜源，隨機(jī)生成新蜜源。算法如果達(dá)到了最大循環(huán)次數(shù)，那就停止并給出最佳解，否則繼續(xù)進(jìn)行。

4 基于RGB空間和ABC算法的邊緣檢測(cè)

本文提取彩色圖像邊緣方法步驟如下：

步驟1：對(duì)圖像進(jìn)行預(yù)處理。

步驟2：使用sobel算子分別得到R，G，B分量垂直方向和水平方向的偏導(dǎo)數(shù)，并使用第二節(jié)的方法得到θ（x，y）和Fθ（x，y）。

步驟3：將Fθ（x，y）作為待求最優(yōu)解的函數(shù)，使用ABC算法搜索出最佳解t。

步驟4：使用步驟3得到的最優(yōu)閾值t來提取彩色圖像邊緣，當(dāng)Fθ（x，y）大于等于t時(shí)，像素點(diǎn)設(shè)為1，反之為0。

5 仿真實(shí)驗(yàn)

為了驗(yàn)證本文方法的可行性并與普通的邊沿搜索方法相比，我們?cè)贛atlab中進(jìn)行仿真。

下圖為使用本文方法和使用傳統(tǒng)的sobel邊緣檢測(cè)方法所得的結(jié)果。

原圖

圖1 新算法和Sobel邊緣檢測(cè)結(jié)果

由圖可知，傳統(tǒng)的Sobel算法獲得的邊緣不夠完整，丟失邊緣，而新算法獲得的邊緣更為準(zhǔn)確更加完整，且可以自動(dòng)獲取最佳閾值。

6 結(jié)束語

針對(duì)傳統(tǒng)的邊緣檢測(cè)方法容易丟失邊緣的缺點(diǎn)，本文提出在RGB彩色空間中進(jìn)行邊緣檢測(cè)，并引入人工蜂群算法自動(dòng)搜索最佳閾值。仿真結(jié)果顯示新算法能獲得更好更完整的圖像邊緣。

[1]陳彥燕,王元慶.常用邊緣檢測(cè)算法的定量比較[J].計(jì)算機(jī)工程,2008,34(17):202-204.

[2]白俊江,洪春勇.基于Sobel的邊緣檢測(cè)方法[J].電腦知識(shí)與技術(shù),2009,5(21):5847-5849.

[3]趙景秀,王菁,趙昭等.基于RGB空間剖分的彩色圖像邊緣檢測(cè)[J].光電子技術(shù),2009,29(3):171-190.

TP391

A

1003-5168(2014)04-0022-02

柳歡（1990—），女，安徽省巢湖市人，碩士，研究方向：智能信息處理與通信系統(tǒng)等。