摘要：针对五颜六色图画，提出一种依据色彩比照度最大化的图画灰度化办法，并在此根底上进行五颜六色图画的边际检测，首要将五颜六色图画的色彩转为契合人眼感知的色彩空间，然后树立方针方程，使灰度化的图画的色彩比照与人眼感知共同，然后对方程求解。终究，运用图画边际检测算子进行边际检测，成果证明，比一般五颜六色图画的边际检测作用好。
0 导言
图画的鸿沟检测是一项运用广泛的技能，在核算机视觉中，鸿沟线和轮廓线描绘了物体的形状信息，是辨认、了解图画的根底。迄今，对灰度图画已经有多种老练的鸿沟检测算子，如依据梯度核算的Sobel算子，Previtt算子等。这些办法都比较老练，因而被一些图画处理软件集成，如Matlab。对五颜六色图画而言，其鸿沟线的检测与灰度图画相似，但因为五颜六色图画的色彩表明与灰度图比较，较为杂乱，因而对五颜六色图画的边际检测现在也是一个比较抢手的课题。本文完成一个新式的五颜六色图画鸿沟检测的办法，依据色彩比照度最大化保存的理论。可以运用灰度图画的边际检测算子对五颜六色图画的灰度化成果进行检测。
1 相关研讨
鸿沟检测作为核算机视觉、图画了解等范畴较为根底的问题，已经有若干年的研讨前史。有一些老练的办法，如依据微分和梯度核算的灰度图象边际检测。对五颜六色图画，最早的办法便是把五颜六色图画先转化为灰度图象，再运用灰度图象的一些经典算子来确认图画的边际。依据色彩的表明模型，对五颜六色图画灰度化处理中，传统的办法有几种：重量办法、最大值法、均匀值法、加权均匀法。所谓重量办法，便是依据RGB的色彩模型，用五颜六色的一个重量R，G，B来替代像素的灰度值。因而，只能反映一种重量在图画表达中的比照量。最大值，则是依据RGB各重量中取最大值来替代象素的灰度值。均匀值是对RBG各个重量，用三个重量的均匀值来表明象素的灰度。这三种办法都没考虑五颜六色模型中，真正对物体的鸿沟和色彩比照起作用的要素。
加权均匀法依据重要性及其它方针，将三个重量以不同的权值进行加权均匀。考虑到人眼对绿色的灵敏最高，对蓝色灵敏最低，因而，对RGB三重量进行依照权值为0.299：0.587：0.114加权均匀能得到较合理的灰度图画。该进程是将五颜六色的不连续性转化为灰度的不连续性，操作起来比较便利，但在这个进程中失去了许多信息，影响了五颜六色图画边际检测的成果。并且关于色彩的表明，没有充沛的依据解说各种色彩重量关于鸿沟线的奉献。
因而，有一些办法，先把五颜六色图画从RGB空间转化到其他的色彩空间，进行检测。如转化到HSV或YUV空间，对亮度或色度值核算微分求比照度，文献提出了依据HSI色彩空间的五颜六色边际检测办法，即首要对HSI色彩空间中的每个重量别离用Sobel算子来得到各自的检测成果，然后加权均匀这3个检测成果。文献则提出了依据色彩矢量差和矢量角的五颜六色边际检测办法。该办法一方面把色彩看作一个矢量，一起以为矢量的长度便是该色彩的亮度并将两个色彩矢量的矢量差作为这两个色彩的亮度差，另一方面它以为两个色彩矢量之间所张的角的正弦值反响了这两个色彩的色度差的巨细。在假定色度差和亮度差的单位共同的情况下，加权均匀亮度差和色度差即可得到两个色彩之间的差异。还有一些相似的办法，如文献依据人类视觉体系，经过分立色彩的亮度和色度信息，别离核算亮度差和色度差，加权均匀作为终究的色彩距离，文献也是经过将色彩转为YUV空间，并增强亮度和色度的差异来得到图画边际信息。文献经过规划依据点的比照度增强的办法，提出了对五颜六色图象增强比照度的办法提取边际。文献中，将色彩表明的三个元素表明为三角形，然后核算梯度时，依据相邻两象素的色彩三角形的相似性，可以进行多种梯度核算，由此得到较为细腻的鸿沟线。
经过对上述的五颜六色图画鸿沟检测办法剖析，大多数办法运用梯度和差分运算，也便是检测出相邻象素的色彩或亮度的差值，作为边际点的数据。为了得到显着的鸿沟，经过各种不同办法增强比照度。但上述每个办法中，比照度的增强都是遵从同一个规范，不足以阐明对一切图画的有效性。因而，本文依据经典的鸿沟检测办法，规划一种对五颜六色图画进行比照度最大化的灰度处理办法，使其可以在人眼所能感触的最大比照条件下检测出鸿沟，所检测的成果也更契合人眼的要求。
2 算法
本文提出的五颜六色图画鸿沟检测的进程分为4个过程：1.将图画转化到CIELab色彩空间。2.将方针灰度图画的相邻象素的色彩差分与对应象素的CIELab的色彩距离对应，树立方针方程。3.求解方针方程，得到保存最大比照度的灰度图。4.对灰度图进行鸿沟检测。在图画灰度化进程中，运用了最优化理论，可以最大程度地保存初始色彩的比照度，在鸿沟检测进程中，本文剖析了传统的灰度图画鸿沟检测算子对咱们处理的灰度图画的运用作用，经过与一般的灰度化图画的成果进行比较，证明咱们的灰度化成果可以得到显着较好的鸿沟作用。
2.1 图画色彩空间转化
在很多色彩模型中，RGB是一种依据设备的色彩模型，因而像素在色彩空间的差值并不能彻底反映出人眼对色彩的感触。CIELab色彩空间是一种依据生理特征的色彩体系，它是用数字化的办法来描绘人的视觉感应。所以，对一副图画在人眼中的感触可以用cIElab色彩来表明。经过一般图画的RGB色彩信息，CⅡ丑ab的色彩信息可以经过下面两个过程转化。
首要，图画的初始色彩的RGB转化为cIExYz色彩空间，XYz色彩空间也是一种与设备无关的模型。cIExYz色彩与RGB的转化可表明为下式。
然后，再由CIEXYZ转化为CIELab色彩空间。因为在cIExYz或cIEYxy空间中，两种不同色彩之间的距离值并不能正确地反映人们色彩感觉不同的巨细，也便是说在色度图中，在不同的方位不同方向上色彩的宽容量是不同的，而CIELab色彩空间更能反映人眼的感触。cIExYz转化为cIELab可以依照公式(2.1)-(2.6)进行。
两种色彩的差异可以用其在空间中的点的欧几里得距离来表明：
依据生理和医学研讨证明，人类视觉体系并不能精确感知到亮度和色度，相反，它们在图画表达中的联系至关重要。例如，在cIELab色彩体系中，亮度通道的表明中绿色比蓝色亮一些，但对人而言，不同的文化背景等信息，则会影响人对此的判别。因而，单纯研讨色彩的比照构成的作用对人眼未必显着。因而咱们不是直接依据CIELab色彩空间进行梯度核算。
2.2 树立方针方程
因为鸿沟的核算以梯度和微分核算为主，所以，咱们对五颜六色图画的象素色彩表明从三维降为一维方式，也便是将图画灰度化，但一般的灰度化办法如加权均匀，各个色彩重量的奉献并不是对一切的图画都是最好的。为了得到明晰的鸿沟信息，相邻象素的比照度需求很好地保存下来，而对不同的五颜六色图画，运用任何一个固定的灰度化的公式未表明都不一定能使得终究的比照度与上式共同。即d=a*R+b*G+c*B，a+b+c=1中，权值a，b，c的取值不该该是固定的。
因而，为了使得灰度化后的象素色彩比照与公式共同，咱们对即d=a*R+b*G+c*B，a+b+c=1中的a，b，c设置为动态系数，并满意
min∑(x,y)(gx-gy-δx,y)2 (4)
公式4阐明咱们的方针灰度图中的两个像素的色彩比照最大程度地挨近该像素初始色彩在人眼中的比照度。
2.3 方程求解
为了求出系数a，b，c的值，理论上可以运用最优理论进行迭代求解，但对一切的实数核算是比较耗时的。试验证明，系数的细小改变，对生成的灰度图的成果影响不大。因而，可以求出近似的最优解，一起将问题规划下降，从而使算法可以实时完成。咱们将解空间离散到[0，1]之间，并设置相邻两个解距离为α(0α1)。所以，方程解的查找空间下降为1/α*(1/α+1)/2个，如α=0.1，则解空间有11*10/2=66个不同的解。咱们在这些解中求出最优的组合的成果，即作为终究图画灰度化的加权系数。试验证明，该系数可以得到较好的灰度化作用。
2.4 灰度图画检测鸿沟
因为灰度图画的边际检测技能比较照较老练，因而咱们对经过上述过程灰度化的图画，选用传统的检测算子进行鸿沟检测。首要是传统的Sobel梯度算子对咱们处理过的图画的鸿沟检测作用和一般的灰度化成果鸿沟检测作用比照。中心一副是直接未加处理的图画的鸿沟检测，最右边一副是咱们处理往后的图画进行检测的成果。经过比照，可以看出经过优化处理灰度化之后的图画，所得到的鸿沟信息比一般的灰度化图画的鸿沟信息更明晰。
关于其他传统的灰度图画检测算子，如Roberts，Prewitt等，咱们处理过的图画相同可以得到更充沛和明晰的鸿沟信息。Canny算子检测的进程中，咱们发现在相同的参数条件下，选用咱们的灰度化处理的图画可以得到更精确的鸿沟线。成果如下图，中心图是直接进行鸿沟检测的成果，右图是进行比照度保存后检测的鸿沟线作用。
3 定论
本文针对五颜六色图画的鸿沟检测，提出了一种比照度最大化保存的灰度化办法，首要，将五颜六色图画转化到CIELab色彩空间，然后依据人眼对五颜六色图画的感知，树立方针优化方程，使得象素的视觉差异与转化的方针灰度图共同，然后，经过快速的求解办法，将五颜六色图画中的色彩信息和亮度的比照信息最大程度地保存，从而在依据梯度和差分算子的鸿沟检测算法中得到更好的鸿沟。
