曹磊+范彩霞

DOI：10.16644/j.cnki.cn33-1094/tp.2016.02.002

摘 ?要： 邊緣檢測(cè)在數(shù)字圖像處理中有重要作用。針對(duì)RGB顏色空間中基于矢量梯度的邊緣檢測(cè)未考慮人眼的視覺特性的問題，應(yīng)用感知均勻顏色空間的色差公式，來測(cè)試不同均勻顏色空間和不同色差公式的邊緣檢測(cè)性能，提出用于彩色圖像邊緣檢測(cè)的有效模式。文章基于Sobel邊緣檢測(cè)算子，在BSDS500數(shù)據(jù)庫中對(duì)基于CIELAB顏色空間、S-CIELAB顏色空間和LAB2000HL顏色空間的ΔEab和CIEDE2000色差公式進(jìn)行測(cè)試，并根據(jù)人眼的恰可察覺色差，提取物體的邊緣進(jìn)行比較分析。

關(guān)鍵詞： 彩色圖像; 邊緣檢測(cè); 感知均勻顏色空間; 色差

中圖分類號(hào)：TP391.4 ? ? ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? 文章編號(hào)：1006-8228（2016）02-04-04

Color image edge detection based on visual perception

Cao Lei1， Fan Caixia2

（1. Xi'an University of Science and Technology College of Computer Science and Technology， Shaanxi， Xi'an 710600， China;

2. Xi'an University of Technology Faculty of printing， packaging engineering and digital media technology）

Abstract： Edge detection plays an important role in digital image processing. Vector gradient edge detection in RGB color space does not account for human visual characteristics， so several color difference equations based on perception uniform color space are applied to test a variety of uniform color spaces and color difference equations， and proposes the most effective model of color edge detection. In this paper， based on Sobel edge detection operator， a set of complex color images in BSR500 dataset are used to test the three color spaces include CIELAB color space， S-CIELAB color space and LAB2000HL color space and two color difference equations ΔEab and CIEDE2000， and according to the just noticeable color difference （JNCD） of eye， the edges of objects are extracted for analyzing and comparing.

Key words： color image; edge detection; perception uniform color space; color difference

0 引言

邊緣檢測(cè)是計(jì)算機(jī)視覺處理中一項(xiàng)重要的技術(shù)，已廣泛應(yīng)用在目標(biāo)識(shí)別、圖像分割等方面。彩色圖像邊緣包含更多的細(xì)節(jié)信息，檢測(cè)更為復(fù)雜。根據(jù)對(duì)人類視覺系統(tǒng)的研究，顏色在對(duì)物體邊界的感知中起著重要的作用。現(xiàn)有的邊緣檢測(cè)方法主要將彩色圖像轉(zhuǎn)化為灰度圖像以鄰域內(nèi)灰度值突變的點(diǎn)作為邊緣，該方法會(huì)導(dǎo)致具有同一亮度、不同色相的邊緣漏檢[1]。

目前，已有很多針對(duì)彩色圖像的邊緣檢測(cè)方法，如將分?jǐn)?shù)階微分方法引入到彩色圖像邊緣檢測(cè)[2]，利用人類視覺對(duì)物體色相的感知，對(duì)邊緣檢測(cè)的結(jié)果進(jìn)行修正[3]。隨著色度學(xué)的發(fā)展，基于符合人眼視覺特性的感知均勻顏色空間的色差公式在邊緣檢測(cè)中得到應(yīng)用，以色差代替亮度差將灰度圖像的邊緣檢測(cè)應(yīng)用到多維圖像[1，4]。文獻(xiàn)[5]研究了在多個(gè)顏色空間中不同邊緣檢測(cè)算子的性能，結(jié)論為Sobel算子的性能優(yōu)于其他算子。但是，上述這些方法未考慮不同的感知均勻顏色空間對(duì)邊緣檢測(cè)效果的影響。

針對(duì)上述問題，本文基于Sobel邊緣檢測(cè)算子根據(jù)人類視覺系統(tǒng)的特點(diǎn)，在CIELAB顏色空間、S-CIELAB顏色空間和LAB2000HL顏色空間中分別采用ΔEab和CIEDE2000色差計(jì)算公式代替亮度差進(jìn)行彩色圖像邊緣檢測(cè)，并根據(jù)人眼的恰可察覺色差閾值提取目標(biāo)邊緣，并在BSR500數(shù)據(jù)庫中對(duì)邊緣檢測(cè)結(jié)果進(jìn)行評(píng)價(jià)。

1 顏色空間的選擇

以RGB顏色描述的彩色圖像不能反映人類的視覺感知。諸如邊緣檢測(cè)、圖像分割等以視覺感知為基礎(chǔ)的圖像處理技術(shù)應(yīng)使用符合人眼視覺特性的均勻顏色空間來表征顏色。在這類顏色空間中，相同的視覺間隔應(yīng)該能夠代表相同的顏色差異，即視覺特性可以通過顏色間的歐氏距離反映。多年來，CIE（國際照明委員會(huì)） 致力于使顏色的測(cè)量和人的顏色知覺盡可能保持一致性的研究。1976年CIE正式推薦均勻顏色空間CIE1976 L*a*b*（CIELAB）顏色空間，該顏色空間大大改善了視覺色差與實(shí)際色度值之間的不對(duì)稱性，為色度描述的大規(guī)模工業(yè)應(yīng)用提供了基礎(chǔ)。

RGB空間與CIELAB空間的轉(zhuǎn)換步驟如下：

⑴

⑵

其中，X0，Y0，Z0為CIE標(biāo)準(zhǔn)照明體的三刺激值。CIELAB顏色空間中對(duì)應(yīng)的色差公式如式⑶。

⑶

其中，ΔL*、Δa*、Δb*分別表示兩個(gè)顏色樣本的L*、a*和b*之差。

隨著科學(xué)研究的不斷深入，CIELAB顏色空間及其色差公式在應(yīng)用中的不足逐漸顯現(xiàn)。為了改善顏色空間的均勻性，研究者對(duì)色差公式的權(quán)重函數(shù)進(jìn)行改進(jìn)，使得色差公式評(píng)價(jià)與視覺評(píng)價(jià)具有一致性。在CIELAB色差公式基礎(chǔ)之上發(fā)展而來的相關(guān)色差評(píng)價(jià)模型有CMC、CIE94、BFD、LCD和CIEDE2000等，CIEDE2000色差公式被認(rèn)為是最優(yōu)秀的色差公式得到了廣泛的應(yīng)用[6]，公式如下：

⑷

其中，ΔL、ΔC和ΔH分別為對(duì)應(yīng)的明度差、彩度差和色調(diào)差。ΔR其為彩度差和色調(diào)差的交叉旋轉(zhuǎn)項(xiàng)。SL、SC和SH分別為明度、彩度和色調(diào)的權(quán)重函數(shù)，KL、KC和KH為相應(yīng)的參數(shù)因子。

為了改善CIELAB顏色空間在色相、彩度和亮度方面的不均勻性，文獻(xiàn)[7]在分析了基于感知的圖像處理對(duì)顏色空間的要求的基礎(chǔ)上，通過多網(wǎng)格法對(duì)CIELAB顏色空間的亮度通道、飽和度和色調(diào)通道進(jìn)行變換構(gòu)建顏色查找表，得到各通道間相互獨(dú)立且滿足人眼感知的顏色空間，并通過CIEDE2000色差公式計(jì)算色差得到LAB2000HL色差計(jì)算方法。

為了模擬人眼對(duì)圖像各個(gè)頻率響應(yīng)的不均勻性，Zhang和Wandell [8]在CIELAB顏色空間的基礎(chǔ)上提出S-CIELAB顏色空間。該顏色空間基于人類視覺系統(tǒng)的心理物理學(xué)實(shí)驗(yàn)結(jié)果，將圖像中的亮度和顏色進(jìn)行分離并把空域信息轉(zhuǎn)換到頻域空間，對(duì)頻域信息進(jìn)行空間濾波以模擬人眼視覺系統(tǒng)的空間混合效果。最后再將濾波后的信息轉(zhuǎn)換到CIELAB顏色空間。在CIELAB顏色空間可以使用相應(yīng)的色差公式計(jì)算色差。

2 基于色差梯度的邊緣檢測(cè)

基于視覺感知的彩色圖像邊緣檢測(cè)的流程圖如圖1所示。首先將RGB彩色圖像根據(jù)轉(zhuǎn)換公式分別轉(zhuǎn)換到CIELAB、S-CIELAB和LAB2000HL均勻顏色空間，之后在各個(gè)顏色空間分別計(jì)算像素間的ΔEab色差和ΔE00色差替代灰度圖像矢量梯度的計(jì)算過程，得到圖像的色差梯度圖，最后根據(jù)人眼的恰可察覺色差提取目標(biāo)邊緣并將色差梯度圖進(jìn)行歸一化處理，得到最終的邊緣圖。

[RGB彩色圖像][將圖像轉(zhuǎn)換到均勻顏色空間

CIELAB，S-CIELAB，LAB2000HL][計(jì)算色差

ΔEab，ΔE00][計(jì)算圖像梯度][歸一化處理][邊緣檢測(cè)結(jié)果圖]

圖1 ?邊緣檢測(cè)流程圖

根據(jù)文獻(xiàn)[5]的結(jié)論，將三個(gè)顏色空間下的ΔEab色差和ΔE00色差應(yīng)用于Sobel算子中，Sobel算子的計(jì)算模板如下：

基于該算子的色差梯度圖計(jì)算公式如下[13]：

其中，cd表示兩個(gè)像素點(diǎn)在CIELAB、S-CIELAB和LAB2000HL均勻顏色空間的ΔEab色差或ΔE00色差。計(jì)算得到以像素點(diǎn)（i，j）為中心的色差梯度值后，本文根據(jù)人眼的恰可察覺色差來判斷該像素點(diǎn)的色差值是否可見。研究表明，在CIELAB空間中，當(dāng)兩個(gè)顏色對(duì)的色差值小于3時(shí)，人類視覺認(rèn)為這兩個(gè)顏色對(duì)是相似的[4，9] 。因此，基于人眼感知的目標(biāo)邊緣的判斷可根據(jù)該像素點(diǎn)色差值的大小進(jìn)行確定，若兩點(diǎn)的色差大于恰可察覺色差，則該色彩梯度值保留，否則為0。邊緣檢測(cè)的最后一步是對(duì)邊緣檢測(cè)結(jié)果進(jìn)行歸一化，歸一化后彩色圖像中顏色差異較大的區(qū)域有更大的值，相反顏色差異較小的區(qū)域有較低的值。歸一化的目的是為了在計(jì)算得到的圖像邊緣和基于人眼的感知邊緣之間進(jìn)行評(píng)價(jià)。

3 實(shí)驗(yàn)與結(jié)果分析

本文采用文獻(xiàn)[10]提供的圖像數(shù)據(jù)集BSDS500數(shù)據(jù)庫對(duì)不同的邊緣檢測(cè)結(jié)果進(jìn)行測(cè)試。該數(shù)據(jù)庫的目的是為了解決不同算法的比較問題，數(shù)據(jù)庫中包含有原始圖像和人類對(duì)自然場(chǎng)景的分割和邊緣圖像（Ground Truth，GT）。如圖2、圖3所示為在不同顏色空間下采用不同的色差計(jì)算公式提取的物體邊緣的結(jié)果和該圖像的GT圖。從圖中可以看出，基于同一個(gè)顏色空間采用ΔE00色差公式替代矢量梯度算子提取的目標(biāo)邊緣比ΔEab色差公式提取的目標(biāo)邊緣更加準(zhǔn)確，如圖（b）和圖（c）、圖（d）和圖（e）的比較結(jié)果，尤其是在矩形框內(nèi)，ΔE00色差公式提取的邊緣圖的噪聲點(diǎn)較少，對(duì)邊緣的描述比較精確。這是因?yàn)镃IEDE2000色差公式包含了對(duì)色調(diào)、亮度和飽和度等綜合色差彩色視覺感受。其對(duì)微小色差的評(píng)價(jià)性能優(yōu)于CIELAB。

基于三個(gè)不同均勻顏色空間的實(shí)驗(yàn)結(jié)果表明，基于CIELAB顏色空間提取的目標(biāo)邊緣效果較差。S-CIELAB顏色模型由于考慮了人眼在觀察圖像時(shí)的空間混合效應(yīng)對(duì)圖像在頻率域進(jìn)行了一定的濾波處理，基于該顏色空間檢測(cè)的目標(biāo)邊緣定位精度較高，且不受噪聲的影響，如場(chǎng)景中人體的下半身邊緣檢測(cè)的結(jié)果。而基于LAB2000HL顏色空間提取的目標(biāo)邊緣噪聲點(diǎn)更少，提取的邊緣結(jié)果與Ground Truth最為接近，這是因?yàn)長AB2000HL顏色空間不僅改善了CIELAB顏色空間的不均勻性，而且采用ΔE00色差公式。但是，基于LAB2000HL顏色空間檢測(cè)的邊緣存在漏檢的問題?？傊槍?duì)不同內(nèi)容的圖像不同的顏色空間和色差公式檢測(cè)的效果各不相同。在BSDS500數(shù)據(jù)庫上的多幅圖像的實(shí)驗(yàn)結(jié)果表明基于S-CIELAB顏色空間的ΔE00色差公式邊緣檢測(cè)效果最優(yōu)。

4 結(jié)論

本文為了測(cè)試不同的感知均勻顏色空間和色差公式對(duì)彩色圖像邊緣檢測(cè)性能的影響，基于Sobel邊緣檢測(cè)算子在CIELAB顏色空間、S-CIELAB顏色空間和LAB2000HL顏色空間中分別采用ΔEab和CIEDE2000色差計(jì)算公式代替亮度差進(jìn)行彩色圖像邊緣檢測(cè)。之后，對(duì)邊緣檢測(cè)的結(jié)果進(jìn)行歸一化且根據(jù)人眼的恰可察覺色差閾值提取目標(biāo)邊緣。最后，在BSR500數(shù)據(jù)庫中對(duì)邊緣檢測(cè)結(jié)果進(jìn)行評(píng)價(jià)，并分析了不同顏色空間和不同色差公式邊緣檢測(cè)的特點(diǎn)。實(shí)驗(yàn)表明，基于S-CIELAB顏色空間的ΔE00色差公式邊緣檢測(cè)效果最優(yōu)。

參考文獻(xiàn)（References）：

[1] Kim A， Kim H， Park S. Human vision based color edge

detection[C]. In Proceedings of IS&T/SPIE Electronic Imaging，2011：78660I，1-8

[2] 何春，葉永強(qiáng)，姜斌，周鑫.一種基于分?jǐn)?shù)階次微積分模板的新

型邊緣檢測(cè)方法[J].自動(dòng)化學(xué)報(bào)，2012.38（5）：776-787

[3] 雷濤，樊養(yǎng)余，王毅，王小鵬.基于視覺感知模型修正的彩色圖

像邊緣檢測(cè)[J].電子學(xué)報(bào)，2013.41（10）：1903-1910

[4] 楊嫻，李勃，丁文，陳啟美. 基于局部自適應(yīng)色差閾值的彩色圖

像邊緣檢測(cè)[J].電子與信息學(xué)報(bào)，2012.34（9）：2058-2063

[5] Wesolkowski S，Jernigan M.E，Robert DD.Comparison of

color image edge detectors in multiple color spaces[C]. In Proceedings of International Conference on Image Processing，2000：796-799

[6] Luo M R， Cui G， Rigg B. The development of the CIE

2000 colour-difference formula： CIEDE2000[J]. Color Research & Application，2001.26（5）：340-350

[7] Lissner I， Urban P. Toward a unified color space for

perception-based image processing[J].IEEE Transactions on Image Processing，2012.21（3）：1153-1168

[8] Zhang X， Wandell B A. A spatial extension of CIELAB for

digital color-image reproduction[J].Journal of the Society for Information Display，1997.5（1）：61-63

[9] Gong Y， Proietti G， Faloutsos C. Image indexing and

retrieval based on human perceptual color clustering[C]. In Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition，1998：578-583

[10] Arbelaez ?P， . Maire M， Fowlkes C， Malik J. Contour

Detection and Hierarchical Image Segmentation[J].Pattern Analysis and Machine Intelligence，2011.33（5）：898-916