主权项 |
1.一种基于directionlet变换的彩色图像边缘检测方法,包括如下步骤:(1)输入一幅RGB彩色图像,并转换至HSI空间,得到色度H、饱和度S、亮度I三分量:饱和度:<maths num="0001"><![CDATA[<math><mrow><mi>S</mi><mo>=</mo><mn>1</mn><mo>-</mo><mfrac><mrow><mn>3</mn><mi>min</mi><mrow><mo>(</mo><mi>R</mi><mo>,</mo><mi>G</mi><mo>,</mo><mi>B</mi><mo>)</mo></mrow></mrow><mrow><mi>R</mi><mo>+</mo><mi>G</mi><mo>+</mo><mi>B</mi></mrow></mfrac><mo>,</mo></mrow></math>]]></maths>亮度:<maths num="0002"><![CDATA[<math><mrow><mi>I</mi><mo>=</mo><mfrac><mn>1</mn><msqrt><mn>3</mn></msqrt></mfrac><mrow><mo>(</mo><mi>R</mi><mo>+</mo><mi>G</mi><mo>+</mo><mi>B</mi><mo>)</mo></mrow><mo>,</mo></mrow></math>]]></maths>色度:<maths num="0003"><![CDATA[<math><mrow><mi>H</mi><mo>=</mo><mfenced open='{' close=''><mtable><mtr><mtd><mi>θ</mi></mtd><mtd><mi>G</mi><mo>≥</mo><mi>B</mi></mtd></mtr><mtr><mtd><mn>2</mn><mi>π</mi><mo>-</mo><mi>θ</mi></mtd><mtd><mi>G</mi><mo>≤</mo><mi>B</mi></mtd></mtr></mtable></mfenced><mo>,</mo></mrow></math>]]></maths>其中R为红色分量、G为绿色分量、B为蓝色分量,θ为弧度,<maths num="0004"><![CDATA[<math><mrow><mi>θ</mi><mo>=</mo><mi>arccos</mi><mo>[</mo><mfrac><mrow><mfrac><mn>1</mn><mn>2</mn></mfrac><mo>[</mo><mrow><mo>(</mo><mi>R</mi><mo>-</mo><mi>G</mi><mo>)</mo></mrow><mo>+</mo><mrow><mo>(</mo><mi>R</mi><mo>-</mo><mi>B</mi><mo>)</mo></mrow><mo>]</mo></mrow><msqrt><msup><mrow><mo>(</mo><mi>R</mi><mo>-</mo><mi>G</mi><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><mrow><mo>(</mo><mi>R</mi><mo>-</mo><mi>B</mi><mo>)</mo></mrow><mrow><mo>(</mo><mi>G</mi><mo>-</mo><mi>B</mi><mo>)</mo></mrow></msqrt></mfrac><mo>]</mo><mo>;</mo></mrow></math>]]></maths>(2)消除色度H分量的2π特性影响;2a)从H分量中产生两个正交分量M、Q,从而把H分量从2π空间映射到线性空间:M=cos(H),Q=sin(H);2b)分别对M、Q分量进行边缘提取,并求其绝对值和,可获得H分量的边缘,以消除H分量的2π特性影响,即:G(H)=|G(M)|+|G(Q)|,其中G(H)、G(M)、G(Q)分别为所述H、M、Q分量的边缘;(3)构造变换矩阵,并对色度H分量的正交分量M、Q,饱和度S分量、亮度I分量分别进行directionlet变换,得到各分量的三组directionlet变换系数:<maths num="0005"><![CDATA[<math><mrow><mrow><mo>(</mo><msubsup><mi>f</mi><mrow><mi>d</mi><mn>1</mn></mrow><mi>n</mi></msubsup><msub><mrow><mo>(</mo><mi>j</mi><mo>,</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mn>1</mn></msub><mo>,</mo><msubsup><mi>f</mi><mrow><mi>d</mi><mn>2</mn></mrow><mi>n</mi></msubsup><msub><mrow><mo>(</mo><mi>j</mi><mo>,</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mn>1</mn></msub><mo>)</mo></mrow><mo>,</mo></mrow></math>]]></maths><maths num="0006"><![CDATA[<math><mrow><mrow><mo>(</mo><msubsup><mi>f</mi><mrow><mi>d</mi><mn>1</mn></mrow><mi>n</mi></msubsup><msub><mrow><mo>(</mo><mi>j</mi><mo>,</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mn>2</mn></msub><mo>,</mo><msubsup><mi>f</mi><mrow><mi>d</mi><mn>2</mn></mrow><mi>n</mi></msubsup><msub><mrow><mo>(</mo><mi>j</mi><mo>,</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mn>2</mn></msub><mo>)</mo></mrow><mo>,</mo></mrow></math>]]></maths><maths num="0007"><![CDATA[<math><mrow><mrow><mo>(</mo><msubsup><mi>f</mi><mrow><mi>d</mi><mn>1</mn></mrow><mi>n</mi></msubsup><msub><mrow><mo>(</mo><mi>j</mi><mo>,</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mn>3</mn></msub><mo>,</mo><msubsup><mi>f</mi><mrow><mi>d</mi><mn>2</mn></mrow><mi>n</mi></msubsup><msub><mrow><mo>(</mo><mi>j</mi><mo>,</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mn>3</mn></msub><mo>)</mo></mrow><mo>.</mo></mrow></math>]]></maths>其中d<sub>1</sub>为变换方向,d<sub>2</sub>为队列方向,j为分解层数,x,y为像素点坐标,n为分量种类;(4)利用directionlet变换系数<img file="FDA00002102904100021.GIF" wi="524" he="50" />计算各分量图像中像素点的梯度向量模值Mf<sup>n</sup>(j,x,y)<sub>k</sub>和相角Af<sup>n</sup>(j,x,y)<sub>k</sub>:<img file="FDA00002102904100022.GIF" wi="839" he="100" /><img file="FDA00002102904100023.GIF" wi="840" he="84" />其中k取1,2,3;(5)采用模极大值法对分量图像进行边缘检测,并通过八邻域连接法进行多尺度融合,得到分量图像的边缘;(6)将通过三个变换矩阵进行directionlet变换得到的分量图像边缘进行加权得到各分量边缘;(7)对色度H分量的两个正交分量M、Q的边缘求绝对值之和,得到色度H分量的边缘;(8)将色度H、饱和度S、亮度I三分量边缘进行融合得到最终边缘。 |