基于Blob算法的多特征联合数字图像转换仿真

2022-01-22田宏伟王宜怀沈晓峰

计算机仿真 2021年12期

田宏伟，王宜怀，沈晓峰

(1.苏州大学应用技术学院，江苏昆山 215325；2.苏州大学计算机科学与技术学院，江苏苏州 215006)

1 引言

数字图像颜色空间的准确转换是提升数字图像处理效率与处理精度的重要部分，数字图像中包含前景噪声、背景噪声、图像目标、图像背景等众多特征，有效识别与划分数字图像中包含的众多特征有利于图像后续处理[1-2]。数字图像的颜色空间是指利用三维空间中坐标等向量代替数字图像的视觉感受，数字图像利用颜色空间实现图像颜色特性可视化，人类的视觉对于图像感受并不均匀，采用单一的颜色空间无法直观表达数字图像全部特性，数字图像的颜色空间转换就显得极为重要。

文献[3]提出基于卷积神经网络多特征联合的图像处理，首先对2D线性图像进行预处理，将处理得到的结果转化为彩色空间结果，基于卷积神经网络多特征联合方法形成异散化特征值，实现图像的数字化转化。文献[4]提出了一种基于分形编码和离散余弦变换的数字水印算法。该方法将分形编码方法和DCT双重加密方法相结合，对传统的DCT方法进行了改进。首先对图像进行分形编码作为第一次加密，然后在DCT方法中使用编码参数作为第二次加密。在此基础上采用分形编码方法对一幅具有特定尺度的私有图像进行编码。采用编码参数作为数字水印。然后，在原始图像中加入数字水印，利用DCT变换实现可逆性，从具有私有编码尺度的载体图像中提取出私有图像。最后，利用几种攻击方法对载体图像进行实验。

虽然上述研究取得一定的进展，但是未考虑多特征联合下的数字图像转换，为此提出基于Blob算法的多特征联合的数字图像转换方法。Blob算法又称为联合的图像点集算法，将Blob算法应用于数字图像转换中，先划分数字图像的Blob特征，基于所划分的特征利用“夹角-模差”方法体现数字图像差分结果中不同特征的Blob信息，利用数字图像中各像素点于图像中和参考背景图像中的“模差”和“夹角”划分图像的Blob区域后，将数字图像的3D颜色空间转化至2D颜色空间，便于数字图像颜色空间转化。

2 多特征联合的数字图像转换

2.1 Blob算法划分图像特征

以往已有研究学者将数字图像中各类型特征的联通点集特征有效划分，Cucchiara将差分数字图像的前景Blob分为鬼影、运动可视目标和阴影；Carmona依据以上划分将前景噪声Blob划分为鬼影、阴影和反射，本文充分考虑数字图像中存在的静止可视目标，基于以上研究将数字图像利用Blob算法划分特征结果如图1所示。

图1 Bolb算法划分数字图像特征

数字图像的前景与背景分别是指数字图像差分阈值小于等于以及大于图像差分的二进制图像。差分数字图像中存在目标颜色与背景颜色相近情况[5]。当目标颜色被误认为背景时，说明数字图像中存在背景噪声，数字图像的背景噪声的Blob特征性质如下

|Wt(x，y)-Jt(x，y)|<σ，∀x，y

(1)

式(1)中，Wt(x，y)与Jt(x，y)分别表示输入的数字图像和图像背景，σ表示差分阈值。

差分数字图像中真实运动目标的Blob特征为运动可视目标，数字图像中随机点与图像背景中同坐标位置的点存在颜色差异；差分数字图像中的静止可视目标是指图像场景中静止的目标[6]；存在于数字图像的前景而不属于运动目标的虚假前景为数字图像的前景噪声，可将前景噪声进一步划分为阴影、反射和鬼影[7]；由更新错误背景造成的前景噪声称之为鬼影，鬼影的Blob特征如下

|Wt(x，y)-Jt(x，y)|>σ，∀x，y

(2)

数字图像背景区域因图像中运动物体遮挡光照引起的前景噪声称之为阴影[8]，阴影的Blob特征如下

|Wt(x，y)-Jt(x，y)|<0，∀x，y

(3)

数字图像中部分区域由于反射较强造成的前景噪声称之为反射，反射的Blob特征如下

|Wt(x，y)-Jt(x，y)|>0，∀x，y

(4)

2.2 “夹角-模差”2D空间

数字图像中的颜色空间为3D空间，不利于颜色空间的转换，联合以上Blob特征令3D颜色空间转化至2D“夹角-模差”空间，便于数字图像的颜色空间转换。

(5)

(6)

(7)

(8)

式(5)-(8)中，Wt表示输入图像的基础值，Jt表示图像背景的基础值，τ表示为避免分母为零的最小化非零值，Abs为对等矩阵同索引位置的乘运算。

(9)

式(9)中，ω0与h0均表示阈值，扩展定义ω0与h0两个阈值以增强阈值判别自适应性，设Ψ(x，y)表示为各像素点(x，y)的角度阈值，设K(x，y)表示各像素点的模差阈值，可得数字图像背景模型J更新公式如下

(10)

式(10)中，αJ表示更新率，依据以上公式将“夹角-模差”2D前景判别公式更新如下

(11)

通过以上过程联合数字图像的多特征将3D颜色空间转换至2D的“夹角”与“模差”空间，降低数字图像的维度[9]，利于数字图像颜色空间的转换。

2.3 颜色空间转换

数字图像在不同场景中需要用不同的颜色空间，例如数字图像在计算机中通过RGB颜色空间显示[10]，编辑处理数字图像时通过YUV颜色空间，打印输出与印刷时需要利用CMY和CMYK颜色空间。

2.3.1 RGB与CMY或CMYK颜色空间转换

数字图像中的CMY颜色空间与RGB颜色空间互补[11]，将RGB颜色空间中的其中一个色彩值利用白色去除后即为该色彩于CMY颜色空间中的值，可得2D的“夹角”与“模差”空间RGB空间转换至CMY空间公式如下

(12)

将数字空间的CMY颜色空间转换至CMYK颜色空间公式如下

K=MIN(C，M，Y)

(13)

(14)

(15)

(16)

将数字空间的CMYK颜色空间转换至CMY颜色空间公式如下

C=min(1，C×(1-K)+K)

(17)

M=min(1，M×(1-K)+K)

(18)

Y=min(1，Y×(1-K)+K)

(19)

2.3.2 RGB与YUV颜色空间转换

基于数字图像视觉系统与阴极射线管的非线性关系，可得RGB颜色空间转换至YUV颜色空间公式如下：

(20)

通过以上公式可实现RGB与YUV颜色空间转换，但转换过程中计算过于复杂，为提升转换处理速度[12]，可得式(22)的近似公式如下

Y′=0.288R+0.576G+0.103B

(21)

U′=(R-Y)×0.554

(22)

V′=(B-Y)×0.702

(23)

将数字空间的YUV颜色空间转换至RGB颜色空间公式如下

(24)

以上方法可应用于颜色空间转换后色调Y为相同角度，饱和度U与亮度V分别独立且可实现逆转换时。

3 实验分析

为验证基于Blob算法的多特征联合数字图像转换方法的有效性和可行性，在CPU为英特尔i5 8600酷睿六核，内存为8GB的计算机中，通过Matlab仿真软件，利用其自带的图像处理工具箱处理。Matlab软件是数字图像分析与处理中应用最广泛的软件，Matlab软件具有可视化和高效的处理技术，可有效检测数字图像处理技术的优劣。

研究基于Blob算法的多特征联合的数字图像转换，并利用Matlab软件的图像处理工具箱对具体的数字图像颜色空间有效转换，验证该方法的转换效果，为数字图像的后续处理提供依据，颜色空间转换后的数字图像可应用于更广泛的领域中。采用本文方法处理人物、动物、汽车、环境等数字图像，将原始的数字图像从RGB颜色空间转换至CMYK、YUV颜色空间。

采用本文方法将原始数字图像的RGB颜色空间转换至CMYK颜色空间的数字图像，原始数字图像与转换后结果如图2所示。

图2 本文方法RGB转换至CMYK图像处理结果

同时采用本文方法将原始数字图像的RGB颜色空间转换至YUV颜色空间的数字图像，原始数字图像与转换后结果如图3所示。

图3 本文方法RGB转换至YUV图像处理结果

通过图2和图3实验转换结果可以看出，采用本文方法可有效将原始RGB颜色空间的数字图像转换至CMYK、YUV颜色空间，图像较原始RGB图像清晰，验证本文方法转换有效性。

通过本文方法转换数字图像的转换完整率、转换准确率以及转换用时评价本文方法对数字图像的转换性能。统计采用本文方法转换图像的转换完整率，为直观展示本文方法转换性能，将本文方法与文献[3]方法和文献[4]方法对比，对比结果如表1所示。

表1 不同方法转换完整率对比结果

通过表1实验结果可以看出，采用本文方法转换数字图像的颜色空间，转换完整率均高于99%；而采用文献[3]方法和文献[4]方法转换数字图像的颜色空间，转换完整率均低于90%，尤其是文献[3]方法转换数字图像的颜色空间转换完整率低至87.32%。实验结果说明采用本文方法可有效实现数字图像颜色空间的全面转换，转换效率较高。

统计采用本文方法转换数字图像的转换准确率，并将本文方法与文献[3]方法和文献[4]方法对比，转换准确率对比结果如表2所示。

表2 不同方法转换准确率对比结果

通过表2实验结果可以看出，采用本文方法转换数字图像的颜色空间，转换准确率均高于99%；而采用文献[3]方法和文献[4]方法转换数字图像的颜色空间，转换准确率均低于99%，采用文献[3]方法转换数字图像的颜色空间时，转换准确率低至87.54%；采用文献[4]方法转换数字图像的颜色空间时，转换准确率低至86.52%。实验结果说明采用本文方法可有效实现数字图像颜色空间的准确转换，再次验证本文方法的转换性能。

实时性是数字图像处理领域重要的评估指标，统计采用本文方法转换图像的平均转换时间，并将本文方法与文献[3]方法和文献[4]方法对比，对比结果如图4所示。

图4 不同方法平均转换时间对比

通过图4实验结果可以看出，采用本文方法转换数字图像颜色空间的平均转换时间均在10ms之内；而采用文献[3]方法转换数字图像颜色空间的平均转换时间高达27ms；采用文献[4]方法转换数字图像颜色空间的平均转换时间高达24ms，采用本文方法转换数字图像的颜色空间平均用时明显低于文献[3]方法和文献[4]方法，说明本文方法不仅具有较高的数字图像转换性能，同时具有较高的转换效率。