欢迎来到天天文库
浏览记录
ID:31359944
大小:108.00 KB
页数:6页
时间:2019-01-09
《基于共生矩阵和形态学的彩色图像边缘检测》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、基于共生矩阵和形态学的彩色图像边缘检测 摘要:针对在RGB空间中难以有效区分颜色相似性的问题,提出了一种基于共生矩阵和HSI空间形态学的彩色图像边缘检测方法。采用二维共生矩阵直方图均衡化方法,解决图像过渡不自然的现象;针对HSI的分量利用形态学方法进行加权分析和图像融合,得到彩色图像边缘。通过MATLAB实验表明,该算法检测准确率高,自适应性好,有较好的检测效果。 关键词:共生矩阵;HIS空间;形态学梯度;边缘检测 中图分类号:TP391文献标志码:A文章编号:1006-8228(2014)06-01-03 0引言6 图像边缘是
2、图像灰度值变化不连续的部分,可以粗略地分为阶跃边缘和屋顶边缘[1]。图像边缘的信息能勾勒物体轮廓框架,是数字图像研究领域的重要部分。多见的图像边缘检测方法有Sobel算法、Canny算法、Laplacian算法等,虽然这些算子简单方便,但不能适应各种类型的边缘检测,自适应性较差。有实验表明,彩色图像比灰度图像含有的边缘信息更为丰富,彩色图像大概有十分之一的边缘信息不能在灰度图像中检测得到[2]。由于RGB三个分量相关性较强[3],对颜色感知不均匀,难以对色度、饱和度和亮度等进行数字化调整。因此,本文采用符合颜色视觉特性的颜色空间HSI。除
3、此之外,由于光照不均匀,采集到的图像往往显得暗淡,其灰度值和动态范围都较小,需要采用二维共生矩阵直方图均衡化方法来解决。 本文对彩色图像灰度值及动态范围较小的边缘检测算法进行研究。首先根据图像的整体及布局灰度级的分布,在空间域对图像进行二维共生矩阵直方图均衡化处理,增强图像整体对比度,使图像过渡自然、细节清楚,然后利用一种改进的HSI形态学彩色图像边缘检测方法,计算H、S、I三分量的数据信息,接着对其进行权分析和图像融合,最后得到彩色图像边缘。通过MATLAB实验,结果表明,本文算法检测准确率高,自适应效果好,是一种较好的检测方法。
4、1共生矩阵 1.1灰度共生矩阵概念 灰度共生矩阵是一种像素距离和角度的的矩阵函数,再现了图像灰度在间隔、方向及变换范围的全部信息。它是通过统计分析一个图像中具有不同灰度状况的两个像素得到的,两个像素的方向和距离具有适当性。 1.2共生矩阵直方图均衡化 2HSI空间形态学梯度彩色图像边缘检测 2.1HSI模型与色差求解 2.2形态学梯度算子 2.3双结构元的形态学算法6 在数学形态学中,结构元素是一个最重要也是最基础的概念,不同的结构元素在同一幅图像中可用于提取、识别不同的图像形状或者目标。在单一的结构元素,提取图像的特性是
5、大小完全相同的;而对于微小差异的结构元素,则无法提取他们的特性。本文采用文献[10]的方法,即一种双结构元的形态学算子: 其中,A是一种钻石型5×5的结构元素,B是一种十字型3×3的结构元素: A与B是两种不同尺度的结构元素,各有优点与缺点。对于A,尺度大,去除图像噪声能力强,但会失去一些边缘信息;对于B,尺度小,可以较好地保持边缘信息,但去除图像噪声能力较弱。由此可见,合理调整结构元素尺度的大小,可以有效抑制噪声并得到理想的边缘检测结果。本文采用改进的形态学梯度算子[12]应用到基于共生矩阵和形态学的检测算法中,得到如下算子: 2
6、.4本文算法的步骤 针对在RGB空间中难以有效区分颜色相似性,光照不均匀的彩色图像存在灰度动态范围较低等问题,本文提出一种关于共生矩阵和形态学的边缘检测算法,检测算法描述如下。 第一步:首先通过通过共生概率密度函数和累积分分布函数计算得到K个新的灰度级,然后根据式子⑹计算共生直方图均衡后相邻像素之间的空间相关特性,根据式子⑺对图像进行二维共生矩阵直方图均衡彩色图像增强。 第二步:进行色彩空间转换,根据已知的RGB分量值,计算H分量、S分量以及I分量。 第三步:利用H分量和式⑷以及式⑸计算多尺度边缘EHi(x,y)。其中,Bn为有限
7、个结构元素序列,n为尺度参数。 第四步:利用式⑶6计算融合后H分量的边缘检测信息EHi(x,y)。当中,权重系数为ai(i=1,2,3…,n),(a)在噪声较小或无的情况下图像取平均数值,即;(b)在噪声较大的情况下图像取非平均权重,即。 第五步:对于S分量和I分量,同理重复第二、第三、第四步骤,得到S分量和I分量的边缘检测信息。 第六步:将图像H分量、S分量、I分量的边缘数据信息进行图像融合统计处理,得到彩色图像边缘。 3仿真实验和分析 本文使用的实验环境是MATLAB7.0,第一步是对本文边缘检测算法进行实验,确保算法正确;
8、第二步,为了保证检测算法的准确性与有效性,将本文算法与文献[10-11]及Sobel算法、Canny算法等几种常见的边缘检测算法进行对比,如图2所示。 从图2可知,经典的Sobel算子、Ca
此文档下载收益归作者所有