一种基于内容自适应阈值的图像紫边检测方法技术

本发明专利技术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。行与操作从而得到精细后的紫边检测区域。行与操作从而得到精细后的紫边检测区域。

【技术实现步骤摘要】
一种基于内容自适应阈值的图像紫边检测方法


[0001]本专利技术涉及图像检测技术，尤其涉及一种基于内容自适应阈值的图像紫边检测方法。

技术介绍

[0002]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。

技术实现思路

[0003]根据现有技术存在的问题，本专利技术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：
[0004]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；
[0005]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；
[0006]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；
[0007]根据高对比度像素的色度值计算范数比；
[0008]根据约束的决策域选出二值区域；
[0009]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。
[0010]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，
[0011][0012]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。
[0013]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：
[0014]Y
h
(x,y)＝Y
n
(x,y)*G
x
(x,y)
[0015]Y
v
(x,y)＝Y
n
(x,y)*G
v
(x,y),
[0016]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：
[0017][0018]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
[0019]T
grad
＝μ
grad
+ασ
[0020]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：
[0021]M
Y
(x
i
,y
i
)＞T
grad
[0022]被认定为是高对比度像素。
[0023]进一步的，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，
[0024]C
b
(p,q)＝C
bn
(x
h(i)
+p,y
h(i)
+q)
[0025]C
r
(p,q)＝C
rn
(x
h(i)
+p,y
h(i)
+q)
[0026]形成由这些色度分量组成的w2向量序列
[0027][0028]对于每个向量X
p,q
，计算范数比：
[0029][0030]其中，
[0031]约束的决策域：ρ
p,q
＜T
PFA
既选出紫边区域。
[0032]由于采用了上述技术方案，本专利技术提供的一种基于内容自适应阈值的图像紫边检测方法，该方法与传统的检测学习方法不同，提出的方法可以打破传统的经验阈值假设，即不需要获取图像边缘的统计数据，因此此方法检测结果较为精确，能够避免紫边的漏检和
误检，并且可以精确的识别紫边区域。
附图说明
[0033]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0034]图1为本专利技术公开的方法的流程图。
具体实施方式
[0035]为使本专利技术的技术方案和优点更加清楚，下面结合本专利技术实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
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
...

【专利技术属性】
技术研发人员：陈荣，陈慧，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：