[发明专利]一种基于内容自适应阈值的图像紫边检测方法

权利要求书

1.一种基于内容自适应阈值的图像紫边检测方法，其特征在于包括：

将图像的局部最大值滤波减去局部最小值滤波得到灰度图像，通过自适应阈值方法得到掩摸二值图像；

将RGB图像转换为YCbCr图像、同时获得第一象限像素，在YCbCr亮度分量Yn图像上做高斯加权卷积运算，计算Yn图像中每个点的梯度大小；

根据梯度值和标准差设置自适应阈值，选择高对比度像素值；

根据高对比度像素的色度值计算范数比；

根据约束的决策域选出二值区域；

将获得的掩摸二值图像与二值区域进行与操作从而得到精细后的紫边检测区域。

2.根据权利要求1所述的方法，其特征在于：将RGB图像转换为YCbCr图像时将RGB调色板转换为YcbCr采用如下公式归一化亮度分量Yn、Cbn和Crn值，

其中R_n,G_n,B_n∈[0,1]；Y_n∈[0,1],C_bn∈[-0.5,0.5],C_rn∈[-0.5,0.5]，利用梯度信息检测高对比度区域，在Yn的每一个像素上计算高斯加权的X和Y梯度。

3.根据权利要求1所述的方法，其特征在于：所述选择高对比度像素值时：设GREY-SCALE图像由函数Yn(x,y)表示，则分别用水平和垂直高斯加权梯度核进行卷积的结果如下：

Y_h(x,y)＝Y_n(x,y)*G_x(x,y)

Y_v(x,y)＝Y_n(x,y)*G_v(x,y),

Y_v(x,y),Y_h(x,y)分别为水平和垂直高斯加权梯度核卷积，在一个点(X_i，Y_i)上评估的梯度大小由如下方程计算得出：

计算所有像素点的平均梯度大小(x_i,y_i)(μ_grad)和标准差(σ_grad),α∈[0,3]用于设置选择最大梯度的阈值参数，全局梯度阈值幅度设置为

T_grad＝μ_grad+ασ

α≥0.5，选择高对比度像素位置，通过计算平滑的离散导数，高斯加权过程确保条纹和纹理图案不会出现在梯度选择中，在(x_i,y_i)位置上的每个像素满足下式：

M_Y(x_i,y_i)＞T_grad

被认定为是高对比度像素。

4.根据权利要求1所述的方法，其特征在于：将高对比度像素表示为(x_h(i),y_h(i))；i＝1，2…N_h，其中N_h是检测到的高对比度像素的总数，在每一个高对比度像素周围构造一个w×w窗口，w＝5，对于位置为(x_h(i),y_h(i))的窗口，扫描该窗口中的所有像素，这些像素用坐标(x_h(i)+p,y_h(i)+q)表示，p,q∈0,±1,±2,...,±(w-1)/2·所有这些w²位置处的色度值计算为，

C_b(p,q)＝C_bn(x_h(i)+p,y_h(i)+q)

C_r(p,q)＝C_rn(x_h(i)+p,y_h(i)+q)

形成由这些色度分量组成的w²向量序列

对于每个向量X_p,q，计算范数比：

其中，

约束的决策域：ρ_p,q＜T_PFA既选出紫边区域。