[发明专利]基于多通道信息选择的彩色图像边缘检测方法

说明书

技术领域

本发明涉及数字图像处理技术领域，特别涉及一种基于多通道信息选择的彩色图像边缘检测方法。 

背景技术

图像边缘反映景物局部区域特征的差别。图像边缘检测是进行图像分析、模式识别等深层次处理的关键步骤。传统的图像边缘检测方法大都基于灰度图像进行，而目前传输和存储的图像主要为彩色。彩色图像的视觉感知比灰度图像丰富得多。目前彩色图像的边缘检测方法主要有两类。 

一类是将彩色图像转换成灰度图像，使用灰度图像边缘检测方法，这类方法仅利用了图像的亮度信息，不能充分利用彩色图像的颜色信息。另一类是基于一定颜色空间中的多维向量处理和梯度模板，主要区别在于使用的具体方法和判定依据。第二类方法较充分地利用了彩色图像的信息，但也存在不足。其中，基于多维矢量和的方法在梯度矢量绝对值相近而方向相反时边缘检测效果不佳。基于多维向量角度差的方法忽略了图像的灰度信息，虽然能有效检测不同色度域的边缘，但对于不同灰度域的边缘检测效果不佳。目前，小波分析、启发式算法、矢量统计排序、模糊逻辑等方法也被引入彩色图像边缘检测方法中，虽然可以提高边缘检测精确性，但计算复杂度过高。 

综上所述，目前的方法没有充分综合彩色图像多通道信息，对于仅在单个通道上显著的图像边缘难以充分保留，边缘检测的完整度有待增强，且难以同时满足边缘检测定位精度高和计算复杂度低的需要。 

发明内容

本发明旨在至少解决上述技术问题之一。 

为此，本发明的目的在于提出一种基于多通道信息选择的彩色图像的边缘检测方法，该方法能够有效综合与利用RGB空间内彩色图像各个通道上的边缘检测信息，提高边缘检测的完整度、边缘定位的精度，另外，该方法的计算复杂度低。 

为了实现上述目的，本发明的实施例提出了一种基于多通道信息选择的彩色图像边缘检测方法，包括以下步骤：对输入的彩色图像进行预处理；在RGB颜色空间中，对所述彩色 图像进行R、G、B三个通道上的边缘检测与梯度信息提取；结合所述各个通道的边缘检测结果，选择置信度高的边缘点，得到稀疏的边缘检测结果图，进行边缘生长；保留所述各个通道的边缘检测结果，得到稠密的边缘检测结果图，并进行修正；以及综合所述稀疏的边缘检测结果和所述稠密的边缘检测结果，得到最终的边缘检测输出图像。 

根据本发明实施例的基于多通道信息选择的彩色图像边缘检测方法，通过综合与利用R、G、B三个通道的边缘检测结果，选择适用的梯度信息定位与连接图像的边缘，能够较充分地保留仅在单个通道上显著的图像边缘，提高边缘检测的完整度和边缘定位的精度，且计算复杂度较低。 

另外，根据本发明上述实施例的基于多通道信息选择的彩色图像边缘检测方法还可以具有如下附加的技术特征： 

在本发明的实施例中，所述对输入的彩色图像进行预处理进一步包括：将所述输入图像分离为所述R、G、B三个通道上的伪灰度图像，分别进行滤波去噪、图像增强等预处理。 

在本发明的实施例中，所述对所述彩色图像进行所述R、G、B三个通道上的边缘检测与梯度提取进一步包括：在单个通道的伪灰度图像中，使用一定的梯度模板，计算每个像素点的梯度矢量；使用非极大值抑制方法定位可能的边缘点；对所述图像的边缘进行生长，提高边缘连续性。 

在本发明的实施例中，所述得到稀疏的边缘检测结果图，进行边缘生长进一步包括：根据所述三个通道的图像梯度信息，按照一定规则，给定所述每一个像素点处的梯度矢量；对所述三个通道中检测的边缘点进行筛选，若某个像素点在至少两个通道中被检测为边缘点，则将其保留为所述输出图像中的边缘点，从而得到所述稀疏的边缘检测结果图；对所述稀疏的边缘检测结果图中的像素点，检查其邻域边缘点分布，进行边缘生长。 

在本发明的实施例中，所述一定规则包括：以所述三个通道在所述给定像素点处的梯度矢量的大小作为权重，对所述梯度矢量进行加权求和，作为该像素点的梯度矢量。 

在本发明的实施例中，所述对稀疏边缘检测结果图中的像素点，检查其邻域边缘点分布，进行边缘生长包括：对所述稀疏的边缘检测结果图中的每一个像素点，若其在任一通道中被检测为边缘点，则统计其一定邻域内的边缘点数目，若所述统计数目少于一定阈值，则根据所述像素点的梯度矢量的方向进行边缘生长，得到新的边缘检测结果。