面向颜色空间的彩色图像边缘提取研究

摘 要
人们在获取外界知识时，视觉系统所能提供的信息不仅直接，而且作用更为明显，大约能够占到所有信息量的80%。在人们的生产和实践中，人类可以通过眼睛获取的视觉信息完成很多任务，而大部分信息的传递都要依靠图像的参与。
现实世界是丰富多彩的，图像中不同的目标或区域之间，信息也是不连续的，颜色有或多或少的过度。图像也通过颜色的不同来勾勒物体的基本轮廓，这就涉及到了图像中的边缘。边缘是图像的重要特征之一，是图像局部亮度变化中最显著部分。我们可以通过对边缘的研究，处理不同需求或不同类型的图像。图像处理技术有很多种，对于那些颜色信息类似的边缘像素点的处理，在人们丰富多彩的生活中有着广泛的应用，因此人们也非常的重视。例如，车牌定位中能把车辆冲公路背景中成功的分离出来，实现目标车辆的追踪检测；农业中也可以用来检测户外植物的生长；另外对合成孔雷达图像等特殊图像的研究也越来越重视，学者们对图像边缘检测评价的研究日益关注。因此，彩色图像边缘的详细检测和正确的定位就显得尤为重要。
本文先介绍了早期人们对于灰度图像边缘检测的算法，并对经典的检测算子进行了分析比较，在后边给出了适当参数下对lena图像的检测结果；然后简单列举了几个常用的颜色空间，并对介绍了已有的部分彩色图像的边缘检测方法，如基于某空间对经典算子的扩展，小波多尺度下真彩色图像的检测，对结合神经网络的算法也进行了分类研究。在这些基础上，本文的具体工作如下：
1、提出了一种新的基于颜色三角形利用面积把矢量换成标量的彩色图像边缘检测算法。在这个算法中，我们把像素点颜色信息的变化转为三角形的面积变化，把满足条件的彩色信息转化为三角形的三边关系，利用边缘检测算子实现对面积的界定，再通过阈值的比较确定边缘信息。既全面的考虑了彩色分量之间的联系，还把抽象的向量交互转化到对标量的计算，有较强的理论意义，实验结果表明边缘定位比较准确而清晰。
2、作者结合细胞神经网络，将三角形的颜色信息作为输入，在确定图像边界以后，通过卷积，判断网络是否完全收敛，进而定位边缘。实验结果证明，这种方法得到的边缘信息丰富且精确，同时，消除了噪声。
3、在经过对三角形信息量的分析之后，提出了一种基于直角梯形信息量的算法，弥补了图像中部分像素点颜色分量不能构成三角形，造成部分边缘丢失或错误的缺陷。实验结果证明，与基于三角形信息量的算法相比，它消除了部分错乱边缘，结果更加清晰。

关键词：彩色图像边缘检测；RGB颜色空间；Sobel算子；颜色三角形；颜色梯形；CNN

Abstract
When people get external knowledge, vision systems can not only provide information directly, but also effect more apparently, which can account for about 80% of all information. In the people’s production and practice, human can complete a lot of tasks through visual information that obtained by their eyes, while most of the information transfer must rely on the participation of the image.
The real world is rich and colorful, between different targets or regions in an image, the information is also discontinuous, and colors are more or less excessive. The images also draw the outline of the basic objects through different colors, which relates to the edge of the image. Edge is one of the important features of the image, which is the most significant part of local brightness changes in image. Through the research on edge, we can deal with different types of images or there different requirements. There are varieties of image processing technologies, and for the processing of those edge pixels that have similar color information, it has a wide range of applications in people’s colorful life, therefore people are very serious. For example, the vehicle license plate location can successfully separate vehicles from highway backgrounds to achieve target vehicle tracking detection; In agriculture, it also can be used to detect the growth of outdoor plants; In addition, people also pay more and more attention to the research of synthetic aperture radar image and other special image’s, and also the increasing concern of scholars on the evaluation of image edge detection. Therefore, detailed color image edge detection and correct positioning is particularly important.
This paper first introduces people’s research on early gray-scale image edge detection algorithm, analyzes and compares the classical detection operator, and presents the detection results of lena image with appropriate parameters; Then simply lists some commonly used color space, and introduces the existing part of the color image edge detection method, such as expansions to classical operators based on a certain color space, wavelet multi-scale detection of true color images, algorithms combined with neural network are also researched. Based on all the above, the concrete works are as follows：
1、It proposes a new color image edge detection method using color triangle, in which vector is replaced by scalar using area. In this algorithm, change of color informations in the pixels are replaced by change of area of the triangles, and we transform the color informations which can satisfy the condition into the sides of the triangle, use one edge detection operator to define area, then determine the edge information through threshold comparison.It considerate the link between the color components comprehensively, and also turn the interactions of abstract vector into the calculation of the scalar, which has a strong theoretical significance, and the test results can tell that its edge localization is accurate and clear.
2、Considering cellular neural network, the author use the triangle color information as input, to determine whether the network is convergent through convolution, after determine the image boundary, and then locate the edge. Experimental results show that the edge information obtained by this method is abundant and accurate, at the same time, it eliminats the noise.
3、After analyzing the information quantity of the triangle, it proposes a method based on the information quantity of the right angled trapezoid, which makes up the defect that part of the edge is missing or wrong caused by some of the color component of the pixels can’t constitute a triangle. The test results show that, compared with the algorithm based on the information quantity of the triangle, it eliminates some confusing edge, the results are more clear.

Keywords：Image Edge Detection; RGB Color Space; Sobel Operator; Color Triangle；Color Trapezoid；CNN

第一章 引言
1.1 研究背景和意义
在人类众多获取信息的来源中，视觉信息所提供的直观作用是最为明显的，大约占所获信息量的百分之八十。无论对计算机还是人眼来说，在识别不同物体的时候，都会通过直接或间接地通过图像间的不同来完成区分。
人类进行交流的方式有很多，例如说话的声音或者抚摸的触觉又或者眼神的交互。其中眼神的交互就涉及到了图像的信息传递，而且这些通过图像传递来的信息又不都是能给我们区分物体带来帮助的，所以就需要我们从中提取有价值的一部分。计算机视觉处理，就可以看作是从获取的大量看似无关的信息中，提取联系较大、相对不变的量，通过简化这些复杂信息来尽可能保留物体的不变性。而边缘就是其中最为重要的不变性质。比如不同强度角度的光线照射到一个正方体上，虽然可以改变他的形象和外观，但是它的轮廓不会发生改变，也就是边缘是不会动的。事实也可以证明人类对物体的边缘最为敏感，往往只对图像中的某些部分感兴趣，并自发的区分之间的不同。考虑到我们在现实生活中观察图像时，里边积累了很多不同的经验知识，所以计算机在进行图像中不同物体的区分时，远远达不到人眼的水平，很少机器的自动检测水平达到实用。这就迫切需要增强边缘检测的力度，把那些占据不同区域的、具有不同性质的目标区分开，拥有各自的数字特征。
在图像处理中，边缘检测不仅是物体表达自身信息的基础，更是图像分割的关键步骤，它承载着后期物体的区分和参数测量的艰巨任务，因此图像的边缘检测是非常重要的。
1.2 发展现状
人们之所以重视和学习图像的边缘，不仅因为它是一门重要的图像技术科学，在现实生活中也有着大量的实际应用。例如，十字路口来往的交通车辆不仅数量多，发生交通事故的几率明显要多，而且车的类型多样，我们能利用它成功的把指定类型的车辆从复杂的公路设施背景图像中提取出来，车牌定位系统就是部分应用了这个原理，更能精确到某一个指定的车牌号，实现肇事车辆的追查；农业中也可以用来检测户外植物的生长；另外对某些特殊图像的研究也日益关注。
目前对于边缘检测的算法已有很多，Nevatia发表的关于彩色图像的边缘检测论文，作为第一篇提到彩色图像的论文以来，除了对常规检测算子的改进，也新生了很多新算法，技术也相对成熟。彩色图像中的像素点，由原先的零一灰度值到后来3维分量表示颜色，人们有了更为丰富多彩的视觉享受。因此在这个领域，人们越来越多的从灰度图像跳跃到关注彩色图像的研究。在这个过程中,颜色空间从一维连续到三维空间的复杂性，用于边缘检测的信息也更为丰富。所以对于彩色图像边缘检测,颜色空间选取和检测策略成为最关键的因素。目前有一大部分的对彩色图像的边缘定位方法，先选好某个彩色空间，然后把灰度图像的策略经过一定的扩展和改编，逐次应用到R、G、B这3个分量上。得到三个结果后，选定直接相加或之后取均值的组合方法，完成最终图像的合并，实现彩色的图像边缘检测。但是这种方法有其一定的弊端，因为各个彩色分量内部具有某种看不见、一定的联系，而且实验结果也可以看到这种生搬硬套的方式得到的结果是很不理想的。
目前对于彩色图像边缘检测算法大多是基于彩色空间，分别在每个像素的各彩色分量上，利用Prewitt算子，Sobel算子等灰度图像边缘检测的算法得到几个结果，然后按照一定的组合方式重新结合成总的边缘图像。除了上述对于经典算子的扩展方法之外，彩色图像的边缘检测算法还有结合小波的方法，基于差异信息理论的方法，结合神经网络的方法等。但大多都是针对特定类型图像的专有算法，泛化能力差，不仅没有合理的考虑颜色信息的相关性，而且对于不同类型的图像，目前也没有一种普适的算法能够检测出信息差异很大的各类边缘。
综上，图像边缘检测仍然有很大的探索空间，也是图像处理中非常重要的问题，在未来几年仍是我们需要迫切解决的的热点问题。对于不同类型的彩色图像，能找出一种新的边缘检测方法或对原有方法进行改进，来获取更为精确的边缘信息依然是研究的主流方向。
第八章 总结和展望
8.1 工作总结
对于灰度图像，已经有了很多边缘检测的方法，技术也相对成熟。彩色图像能包含更多的颜色信息，人眼的视觉感受更为丰富。除了对灰度图像边缘检测策略的扩展，一般会用到基于某特定彩色空间，在常用的颜色空间中，图像各个信道之间有很强大相关性，所以相对于把几个分量的检测结果同等对待之后合并来说，彩色图像的检测结果显然存在不合理性。
作者在概述了以往的概念知识基础上，又论述了灰度图像的检测技术，介绍了常用和比较流行的算法。并针对以往算法不普适的缺点，提出一种基于三角形面积的彩色图像边缘检测算法，把满足条件的彩色信息转化为三角形的三边关系，利用边缘检测算子实现对面积的界定，再通过阈值的比较确定边缘信息。既全面的考虑了彩色分量之间的联系，还把抽象的向量交互转化到标量的领域，有较强的理论意义。同时，利用细胞神经网络的模型，利用周长和方向周长的和作为输入，在量化彩色图像颜色信息的同时，考虑了像素点周围的邻域信息，实验证明该算法检测到的边界真实清晰，边界连续，具有很好的实用性。最后，考虑到图像中部分像素点的三分量不能构成三角形，作者针对这个不足，提出了在标量化过程中，一种新的基于直角梯形信息量的算法，弥补了部分边缘不精确的不足。
8.2 下一步工作展望
基于直角梯形信息量的标量化算法有其不足之处，对受噪声污染严重的图像，检测效果不是很理想。另外，虽然考虑了彩色分量的相关性，能够较准确的检测出图像中较弱的边缘，但对于图像中部分连续大片的模糊像素还有一定的局限性，有待进一步的提高。