外文翻译--形态学算法在彩色图象增强方面的实验性研究 中文版.doc
形态学算法在彩色图象增强方面的实验性研究摘要数学形态学在分析单色图形形状信息中的应用使得它在低级和中级的图象处理和计算机视觉应用中的技术达到了一个新的技术水平。在这篇论文中,我们把技术扩展到彩色图形的处理上。我们调查了“彩色形态学“的不同应用方法,提出了对三种不同应用的实验性研究:噪声抑制,多尺度平滑和边缘检测。1介绍数学形态学被用语对二值化图像和灰度图象进行处理和分析1,2,3。对一幅图像的形态学滤波涉及到通过一个结构体元素来变换图像。图像中那些与结构元素在结构和尺寸上相似的的几何特征被保留下来,其他的特征被过滤或被抑制。一些形态学的应用包括噪声抑制,文理分析,边缘检测,轮廓抽取,多尺度平滑和形状-尺寸重新分布3,4。用形态学理论对彩色图象进行处理和分析也是合乎逻辑的。许多用于对单色图象处理的形态学技术通过单独的分析不同的颜色通道的方法可以扩展到彩色图象的形态处理上来。重要的问题是:这种组合的空间滤波有效吗?开发基于光谱的算法似乎更加有效。在过去的十年内,发展了一些针对多谱段图象增强算法。例如,Hunt和Kubler提出了一种基于Karhunen-Loeve变换和Wiener恢复技术的多谱段图象的恢复技术5;Strickland,Kim,和McDonnell在luminance和saturation组合的基础上提出了一种彩色图象的边缘锐化的方法6。还有Astola,Haavisto,和Neuvo通过一种他们称为矢量的中值滤波的方法来对彩色图象进行去噪声处理的方法7。在这篇论文中基于相同的考虑提出了数学形态学在彩色图象中的应用。在简单的回顾有关形态学和色彩空间的理论后,我们讨论一些对彩色图象进行滤波的形态学方法。这些方法主要是噪声抑制,多尺度平滑和边缘检测。2数学形态学数学形态学是以集合论为基础。对于二值图象的形态学操作称为二值形态学处理。这包含了把图象看作是一个集合,图象中的物体被看作是一个集合X,背景是X的补集,成为CX。图象被另外的一个成为结构元素的集合进行变换。所用结构提的尺寸和大小将决定处理的结果1,2,8。有四个基本的二值形态学的操作:膨胀,腐蚀,开运算和闭运算。用表示膨胀,表示腐蚀,表示开运算,表示闭运算。四种基本的运算定义如下::XKzKXz,(1):XKzKXz,(2)KKXKX)(,(3)KKXKX)(,(4)其中X是图象集合,K是结构体元素,ZK表示被Z变换后的K集合。灰度图象的形态学操作是二值形态学在灰度图象上的扩展。对于一个灰度形态学操作,图象定义为)(xf,或者简单的表示为f,其中2Zx,结构元素表示为)(xK或者K。灰度膨胀,腐蚀,开运算和闭运算定义为:),()(max)(zkzxfxkfKz(5),()(min)(zkzxfxkfKz(6),)(kkfkf(7)kkfkf)(,(8)其中K是表示)(zK,有关上面详细的饿定义和描述参考1,2。3彩色图象和色彩空间我们知道,正常的视觉对彩色的感知是通过光线中的三种基本颜色的组合14。因此,任何一种颜色可以通过三原色的不同的比例来合成。这三个量值就是三原色的比例。在一幅彩色的数字图象中,每个象素都被成为3Z空间的一个矢量,它的颜色成分就是三原色的值。通常,三原色是红色,绿色和蓝色,因此我们可以把一幅图象定义为TyxByxGyxRyxf),(),(),(),(,(9)其中),(yxR是在点),(yx处红色分量的值,),(yxG是在点),(yx处绿色分量的值,),(yxB是在点),(yx处蓝色分量的值。上面介绍的RGB色彩空间是一种方便常用的表示。YIQ色彩空间系统是RGB的线形变换,其中包含了一个亮度信号Y,两个色度信号I,Q。它是作为美国国际电视系统委员会电视传输的标准色彩系统15。从RGB到YIQ的转化公式BGRY114.0587.0299.0(10)BGRI332.0274.0596.0(11)BGRQ312.0523.0211.0(12)在这篇论文中YIQ色彩空间被用于一些专门的场合,它将在下一章中进行讨论。有关在颜色的处理和显示上用的色彩空间标准是很有争议的。TheCommissionInternationaledelEclairage(CIE),组织提出了一个基本的色彩空间表示,用X,Y,Z。被作为一种标准组合用于色度学中14,15。通过一个色度计可以获得从一种颜色空间显示到X,Y,Z的空间线形的转化。颜色显示的校准涉及找到一种转换方法,就象灰阶的纠正。这种校准对于真彩色的显示是非常必要的。有许多的色彩空间可以定义为XYZ的变换,包括UVW,Yuv,U*V*W和L*u*v。这四种颜色空间均表现为一种亮度分量和两种色度的分量。它们被用语描述人类视觉系统的不同特性15。4数学形态学在彩色图象增强中的应用对彩色图象形态学的扩展并不是显而易见的。也许最直接的方式是单独的对图象的单个通道进行过滤。例如,对于RGB图象,我们可以把用结构元素K对图象f定义腐蚀定义为:TyxkByxkGyxkRyxkf),)(),)(),)(),)(13)腐蚀,开运算和闭运算的定义和上面相似。这中方法的优点是简单,实现起来比较明了。这里除了运用形态学对三个灰度通道滤波以外的其他要求。因为人类视觉对颜色的把握主要是通过光强度,色调和饱和度,不会把一种颜色分为单一的通道组合14。很难预料对一幅图象的R,G,B值分别进行开运算会产生什么样的结果。例如,用这种方法有可能会去除或加强物体在R,G,B三个分量中的一个或者两个分量,而不是全部。这将导致图象在色度上的异常变化。这种在一幅图象边界上产生的异常称为“边界效应”7。这种问题表明无论谱域和空间域的信息都要参与变换。我们可以把形态学变换操作定义在颜色空间而不仅仅是RGB颜色。例如,如果我们有受到噪声污染的基于YIQ的图象,我们可以在转换为RGB前在这些颜色空间进行心态学的滤波处理。一种快速的可以减少颜色异常混合的方法用来对一幅亮度图象在YIQ色彩空间下进行滤波,可以把经过滤波亮度和没有经过滤波的色度信号转化为RGB。Hunt和Kubler提出这是一种可以将彩色照片变清晰的简单的方法5。当然,我们不能期望通过亮度的滤波就可以去除噪声,但是它在颜色的混合方面的不受影响使得这种方法值得研究。另一种不同的彩色形态学的方法是把颜色作为矢量,并不是单独的R,G,B分量。可以从二值图象扩展为彩色图象通过加入两种颜色的方法。把f作为一幅彩色图象,包含了两个颜色矢量,1111BGRf和,2222BGRf。我们可以定义集合X和cX为),(:),(1fyxfyxX(14),(:),(2fyxfyxXc(15)颜色膨胀和腐蚀在这种情况下可以象二值化的膨胀和腐蚀一样被定义,其中集合X表示图象中的物体,集合cX则表示背景。当我们想通过扩展二值形态学方法到多于两种颜色彩色图象形态学时情况就变的复杂起来。和灰度图象的情况不同,灰度图象中的亮度值的顺序分布允许我们通过阀值的设置,伞变换,和最大最小化的方法来把二值形态学的处理方法扩展为灰度图象的情况,彩色图象中并不是标量分布。解决上面问题的一个方法就是通过把基于矢量的颜色值变换成标量颜色,通过一个最大化(最小化)的操作转化,选择R,G,B矢量所对应的最大(最小)标量。这种方法和16中的方法很相似,就是通过与原来矢量值的几何距离来排列矢量点实现到标量的转化。如果),(yxg是一个变换),(),(),(yxByxGyxR为标量值的方程,可以用来对矢量进行操作,那么彩色图象f通过结构体k的膨胀可以定义为),(),)(,yxfyxkf(16)其中),)(),(max),(),(,yxkgjyixgyxgkji(17)通过这种方法我们可以很自然的从RGB导出相应的饿标量颜色值。输出的标量每个颜色点都和原来图象的点是对应的,因此没有在图象中加入新的颜色。正如我们在(16)和(17)中定义的点膨胀一样,得出的值不是唯一的,因为可能从两个不同的颜色),(),(),(yxByxGyxR中得出同样的值),(yxg。从实际的角度来说,这种方法不容易通过硬件的设计来实现形态学的操作。5.彩色形态学在噪声抑制中的应用5.1彩色图象的噪声模拟一种在彩色图形中模拟噪声的方式是为每个象素都产生一个噪声,并且同一点的红