[发明专利]一种基于内容自适应阈值的图像紫边检测方法

说明书

本发明公开了一种基于内容自适应阈值的图像紫边检测方法，包括：将图像的局部最大值减去局部最小值得到灰度图像，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。

技术领域

本发明涉及图像检测技术，尤其涉及一种基于内容自适应阈值的图像紫边检测方法。

背景技术

相机在背光拍照时，相片中的物体边缘会出现紫边的现象，即某些相机在图像采集时在高对比度边缘附近留下紫色条纹的痕迹，为了检测紫色边缘区域，PFA检测方法是最常用的检测色差方法。PFA方法首先识别出高对比度邻域，再应用着色约束就能检测出紫色条纹像素。目前，紫边检测技术包括如下方法：着色约束恰好是单个像素对应的R、G、B通道的比较。由于条纹检测时紫色的位置没有明确的定义，所以紫色的定义是模糊的。这可能会导致假阳性结果。这些着色约束可以部署在任何颜色空间，而不必局限于RGB；为了进一步缓和光源组成变化的影响，在CIExy空间中进行了着色约束。然而，这种亮度归一化不能完全起作用；通过将RGB转化为YCbCr空间，从而实现了与亮度空间的完全独立，其中色度通道具有排他的色偏信息，开辟了在色度空间中指定一个区域的思路，其中紫色浓度最大。虽然利用角约束来纠正边缘像差，但他们没有利用梯度约束来检测边缘像素；现有的PFA检测方法中，用于分离PFA区域的中间阈值都是绝对的。考虑到相机设备的多样性及其缺陷，这些方法不太可能覆盖所有形式的紫色边缘。综上所述，目前的紫边实验存在的问题有：1.检测结果较为精确，但检测范围窄，存在大量漏检。2.检测结果较为粗糙，检测范围宽，但存在大量误检。3、RGB空间存在的问题是与高对比度区域的强度变化相关的漂移，这将引起条纹着色模式的偏移。

发明内容

根据现有技术存在的问题，本发明公开了一种基于内容自适应阈值的图像紫边检测方法，具体步骤包括：

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。

进一步的，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。

进一步的，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),