基于RGB空间的彩色图像分层检测方法研究★

霍富功，王鉴

（中北大学电子测试国家重点实验室 山西 太原 030051 ）

0 引言

与灰度图像相比，彩色图像具有其颜色特性，可以分解为不同的颜色空间，如RGB颜色空间。传统的彩色图像目标检测方法往往忽略了这一特性，只是简单地利用公式将其转换为灰度图像后进行处理。本文依据在RGB空间下，背景与目标物体在各颜色层所表现出的差异性，分层进行目标检测与分割，并将最后的检测结果进行融合，获得了理想的检测结果[1-2]。

1 彩色图像分层检测

1.1 RGB颜色空间

RGB(Red ,Green ,Blue)是数字图像处理中最常用的颜色空间,它通过红、绿、蓝3原色的相加来产生其他的颜色。 1931年, 国际照明委员会(CIE)规定用波长为700 nm、546. 1 nm、435. 8 nm的单色光分别作为红(R)、绿(G)、蓝(B)三原色。红绿蓝三原色按照比例混合可以得到各种颜色,其配色方程为: a, b, c≥0其中,C为任意一种颜色,R、G、B分别代表红、绿、蓝3种颜色,而a, b, c则是3原色的权值,因此,RGB颜色空间是一种加色混色系统,其对应的颜色空间在视觉上是非均匀的,同时它还是一个与设备相关的、颜色描述不完全直观的颜色空间[3]。此外，利用目标物体和背景在颜色信息上存在差异性与相似性的特点，我们可以将配色方程:；a, b, c≥0中的某两个系数置零，可以得到3幅不同灰度信息的单色图像，分别利用单色中背景与目标的亮度的差异性来检测目标，理论上可以得到3个不同角度下的检测结果[4-5]。

1.2 灰度数学形态学图像分割

以上式子中f(x,y)是输入的图像灰度函数，b(x,y)是选定的结构元素。各运算特点分别是：膨胀和腐蚀运算是形态学处理的基础，膨胀是在图像中“加长”、“变粗”、“变大”的操作，操作的结果是使物体的面积增大，并且缩小分割后物体中的空洞。腐蚀是在图像中“收缩”、“细化”、“变小”的操作，如果应用与膨胀时相同的结构元素能够使膨胀后的图像缩小到原来的尺寸。开运算是膨胀与腐蚀运算的组合，类似非线性低通滤波器。对一幅图像进行开运算可以消除图中的孤岛或尖峰等过亮的点。Top-Hat变换是从一幅原始图像中减去对其作开运算后得到的图像，可以得到一些重要的标记点，在灰度图像分析中，这种方法对在较亮的背景中求取暗的像素聚集体，或在较暗的背景中求取亮的像素聚集体非常有效[6-7]。

2 图像分层及目标检测算法

(1) 彩色图像分层处理

彩色图像的分层原理是将配色方程: a, b,c≥0中的某两个系数置零，因此在MATLAB中获得R、G、B等 3个颜色层图像可以做如下处理：

a) R 层图像：令 R1(:,:,2)=0 ; R1(:,:,3)=0 ; R1为待检测彩色图像;

b) G 层图像：令 R1(:,:,1)=0 ; R1(:,:,3)=0 ; R1为待检测彩色图像;

c) B 层图像：令 R1(:,:,1)=0 ; R1(:,:,2)=0 ; R1为待检测彩色图像。

通过以上处理，获得了3个颜色层的3幅图像I1,I2,I3；分别对其灰度化后再做检测处理。

(2) 多结构元素目标检测与阈值分割

在数学形态学的运算中，对一幅图像进行高帽变换可以均匀背景照度，去除面积小于结构元素的背景干扰，从而对背景进行抑制；因此选取一组与目标物体大小相近的多结构元素对图像进行检测处理是合理的[8]，具体算法如下：

Step 1. 依据区域图像中目标的大小，定义结构元素s和一组圆形结构元素依据经验知结构元素选取准则为：s和bs大小接近目标物体，其余依据实际需要取合适大小的等差数列；

Step 3.用多尺度结构元素Bi分别对各层图像做开运算

Step 4.将上式所得Ji求和后取均值；

Step 5.利用M对I做相减运算变换。即：

经过以上处理所得到的图像Yi，有着近似正态分布的灰度直方图，分割阈值选取为区域小图像中最大灰度值Z0与最小灰度值Z1的均值，即T= (z0+z1)2（或T= (0. 4 9 *z0+ 0. 5 1 *z1) 2 ，该系数为经验所得）分割算法为：当 f(x,y)＜T时I(x,y)=0；当 f(x,y)＞T 时 I(x,y)=255 。

3）图像融合

通过以上处理后，我们获得了3幅大小相同的检测结果图像。其分别反映了不同层面的检测信息。因为其对应像素坐标没有位移，可以对其直接做相加融合；即R=Rr+Rg+Rb处理，得到最终检测结果。

3 实验验证与结论

3.1 目标与背景颜色相似的实验

如图1所示，背景与目标颜色相似，直接对其灰度化处理后得到结果如图1中RGB所示，其边缘很不完整。经过分层处理，使用相同检测方法分别检测3幅图像，将结果融合后得到结果如图1中R+G+B所示，可以发现其具有较完整的边缘信息。

图1 背景颜色相似实验图

3.2 目标与背景颜色差异的实验

如图2所示，各种球具有不同的颜色信息，直接对其灰度化处理后得到结果如图2中RGB所示，其检测结果不够完整、准确。经过分层处理，使用相同检测方法分别检测3幅图像，将结果融合后得到结果如图2中R+G+B所示，可以发现其检测结果准确且有较完整的边缘信息。

图2 背景颜色差异实验图

4 结束语

综上所述，实验验证对于目标检测来说，彩色图像其本身的颜色信息是及其重要的。将彩色图像在RGB空间分为3个颜色层，在每一图层中，目标与背景的亮度信息都存在差异性，合理地利用这一特性对目标检测是一个有效的途径。检测时，分别对3层图像做检测运算、阈值分割，可以获得3个不同层面的检测结果，最后将所得3个结果进行融合，获得的检测效果具有更好的完整性和准确性。

[1]R.C.Gonzalez.数字图像处理(MATLAB)版[M].阮秋琦等译. 北京:电子工业出版社,2005:201-210.

[2]张笃振,刘淑娥. 三种基于空间转换的彩色图象分割算法比较研究[J]. 电脑知识与技术, 2006, 31(9): 74-76.

[3]P.Soille.形态学图像分析原理与应用[M].2版.王小鹏等译. 北京:清华大学出版社，2008:306-308.

[4]王咏胜.基于数学形态学的灰度图像的边缘检测技术研究[D]. 哈尔滨: 哈尔滨工程大学,2007:36-37.

[5]宋 鸣.基于数学形态学的图像分割及其在医学图像中的应用[D]. 扬州: 扬州大学, 2005:45-47.

[6]张志龙.基于遥感图像的重要目标特征提取与识别方法研究[D].长沙: 国防科学技术大学,2005：38-40.

[7]阮秋琦.数字图像处理学[M].2版.北京:电子工业出版社,2007:102-105.

[8]崔屹.图像处理与分析-数学形态学算法及应用[M].北京:科学出版社,2002；246-248.