圖像邊緣檢測是許多計算機(jī)視覺系統(tǒng)中的關(guān)鍵組成部分，并廣泛應(yīng)用于輪廓、特征提取、模式識別及紋理分析等領(lǐng)域。在灰度圖像中，邊緣是指灰度的不連續(xù)處，但對彩色圖像、彩色邊緣并沒有明確的定義[1]。彩色邊緣基準(zhǔn)檢測是至今沒有公認(rèn)的、可用的彩色模式，但沒有明確制定評價“彩色邊緣”的可觀測度標(biāo)準(zhǔn)。Novak[2]等研究發(fā)現(xiàn)，彩色圖像邊緣中大約90%與灰度圖像邊緣相同, 但是還有10%的邊緣單純靠灰度圖像是檢測出來，這些邊緣來自顏色的變化，因此將彩色圖像灰度變化后檢測出來的邊緣是存在缺失的。

    本文首先分解彩色圖像的RGB分量，然后使用Sobel梯度算子計算各分量在x和y方向上的梯度值，得到彩色輪廓邊緣圖像，再利用圖像閾值分割技術(shù)獲得合理的閾值，并將邊緣圖像二值化,以獲得清晰的邊緣輪廓圖像。實驗結(jié)果證明，本文的方法魯棒性好，邊緣定位準(zhǔn)確，能夠獲得比傳統(tǒng)的邊緣檢測算子更多的邊緣輪廓信息。
1 彩色邊緣
    對于彩色邊緣有很多種定義，有學(xué)者認(rèn)為彩色圖像中的邊緣,即是其亮度圖的邊緣[3]，但是該定義忽略了色調(diào)飽和度的不連續(xù)性；也有人提出如果至少有一個彩色分量存在邊緣[4]，那么彩色圖像就存在邊緣，但是這個定義會導(dǎo)致在單個彩色通道確定邊緣帶來的準(zhǔn)確性問題；還有人提出基于單色的彩色邊緣定義[5]，它借助對三個彩色分量的梯度絕對值之和來計算，如果梯度絕對值的和大于某個閾值，就判斷存在彩色邊緣。這三種定義均忽略了矢量分量間的聯(lián)系，因為一幅彩色圖像表示了一個矢量值的函數(shù)，彩色信息的不連續(xù)性可以用矢量值的方法來定義。


4 實驗結(jié)果及分析
    本實驗使用國際標(biāo)準(zhǔn)測試圖像彩色Lena在Matlab 7.0軟件平臺下進(jìn)行測試。輸入標(biāo)準(zhǔn)測試圖像如圖1所示，通過本文改進(jìn)的Soble算子對RGB彩色圖像進(jìn)行三通道分解，按照式(2)分別計算各分量在x和y方向上的梯度值，設(shè)置大于門限值d的像素值為1,否則置為0,得到如圖2所示彩色輪廓邊緣圖像。將彩色圖像灰度化如圖3所示。可以看出此時的邊緣輪廓圖像噪聲范圍較大，再通過三種圖像閾值分割方法獲得合理的閾值，將邊緣圖像二值化，獲得最終的邊緣輪廓圖像。

    其中，方法(1)利用獲得的彩色輪廓邊緣圖像，通過灰度直方圖的閾值選取獲得邊緣圖像如圖4所示；方法(2)將彩色輪廓邊緣圖像通過最大熵的閾值分割獲得邊緣圖像如圖5所示；方法(3)將彩色輪廓邊緣圖像通過最大類間方差分割閾值獲得邊緣圖像,如圖6所示。
    三種閾值分割方法相比，最大熵閾值和最大類間方差分割算法要優(yōu)于直方圖閾值選取算法，而最大熵閾值和直方圖閾值選取算法的優(yōu)點在于運算復(fù)雜度稍低，運算時間較短。
    將彩色圖像直接轉(zhuǎn)化成灰度圖以后再使用傳統(tǒng)canny算子、soble算子和prewitt算子進(jìn)行邊緣檢測的結(jié)果效果圖如圖7~圖9所示。

    通過對比可以發(fā)現(xiàn)本文所提出的方法和傳統(tǒng)的邊緣檢測方法相比魯棒性更好，邊緣定位更準(zhǔn)確，并且能夠獲得比傳統(tǒng)的邊緣檢測算子更多的邊緣輪廓信息。
    本文使用Sobel算子對彩色圖像的RGB分量進(jìn)行梯度值運算，獲得彩色輪廓后，再分別通過灰度直方圖的閾值分割、最大熵的閾值分割和最大類間方差閾值分割三種方法去除彩色輪廓邊緣的噪聲因素，從而獲得更為清晰的二值化邊緣輪廓圖像。實驗證明，該方法在檢測圖像邊緣細(xì)微顏色變化和細(xì)節(jié)紋理信息方面比傳統(tǒng)的檢測方法具有更加良好的效果。
參考文獻(xiàn)
[1] KOSCHAN A，ABIDI M. 彩色數(shù)字圖像處理[M].章毓晉, 譯.北京: 清華大學(xué)出版社, 2010.
[2] NOVAK C L,SHAFER S A.Anatomy of a color histogram[C]. In: Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Champaign, USA: 1992:599-605.
[3] ROBINSON G S. Color edge detection[C].In: Symposium  on Advances in Image Transmission Techniques, San Diego, CA, 1976:126-133.
[4] PRATT W K. 數(shù)字圖像處理[M]. 張引,譯. 北京:機(jī)械工業(yè)出版社,2009.
[5] KOSCHAN A, ABIDI M. Detection and classification of edges in color images[J]. IEEE Signal Processing Magazine, 2005，22(1):64-73.
[6] GAO C B, ZHOU J L, HU J R, et al. Edge detection of  colour image based on quaternion fractional differential[J]. Image Processing, 2011，5(3):261-272.