結合RGB空間和人工蜂群算法的彩色圖像邊緣檢測

柳歡

（安徽理工大學電氣與信息工程學院，安徽淮南 232001）

結合RGB空間和人工蜂群算法的彩色圖像邊緣檢測

柳歡

（安徽理工大學電氣與信息工程學院，安徽淮南 232001）

由于傳統的梯度算子搜索邊緣會丟失一些邊緣，提出了一種在RGB彩色空間的邊緣檢測方法。該方法先獲得RGB梯度圖像，而閾值則通過人工蜂群算法搜索得到，進而得到邊緣圖像。

RGB；人工蜂群算法；邊緣檢測

1 引言

邊緣蘊含了圖像的很多訊息，是圖像很重要的特征。傳統的邊緣檢測[1-2]方法有基于梯度的邊緣檢測，而這種方法，主要是針對灰度圖，忽略了色度信息，容易丟失邊緣。而在RGB顏色空間的邊沿檢測[3]則能很好用到色彩信息，獲得更豐富的邊沿信息。但基于RGB彩色空間的邊緣檢測的閾值不好確定，本文將引入人工蜂群算法[4]來獲得閾值。

2 基于RGB空間的彩色圖像邊緣檢測

而沿著這個方向的變化率值為

又有tan（α）=tan（α±π），如果β是式（7）的解，那么β±π、2也是這個式子的解，又因為Fθ=Fθ+π，所以F只需要對θ在[0，π]之間計算。由式（7）可知，在每個點（x，y）處有兩個正交方向，沿著這兩方向，F值獲得最大。

3 人工蜂群算法

在人工蜂群(ABC)算法中，蜂群被分為雇傭蜂、觀察蜂和偵察蜂三類，人工蜂群算法主要應用到尋找最優解，本文將用它查找最佳閾值[5]。

ABC算法實現過程為：先隨機生成初始花蜜源，再以類間方差作為適應度函數計算每個花蜜源的適應度值。雇傭蜂開始鄰域搜索得到新蜜源并計算其適應度值，與舊蜜源進行比較，選擇較為優秀的蜜源。觀察蜂按輪盤賭法選擇蜜源并進行鄰域搜索，再計算新蜜源的適應度值，選擇適應度值較高的花蜜源位置作為本次迭代的花蜜源位置。若是通過設置的限制次數循環后，一個蜜源依然沒有變化，那么拋棄該蜜源，隨機生成新蜜源。算法如果達到了最大循環次數，那就停止并給出最佳解，否則繼續進行。

4 基于RGB空間和ABC算法的邊緣檢測

本文提取彩色圖像邊緣方法步驟如下：

步驟1：對圖像進行預處理。

步驟2：使用sobel算子分別得到R，G，B分量垂直方向和水平方向的偏導數，并使用第二節的方法得到θ（x，y）和Fθ（x，y）。

步驟3：將Fθ（x，y）作為待求最優解的函數，使用ABC算法搜索出最佳解t。

步驟4：使用步驟3得到的最優閾值t來提取彩色圖像邊緣，當Fθ（x，y）大于等于t時，像素點設為1，反之為0。

5 仿真實驗

為了驗證本文方法的可行性并與普通的邊沿搜索方法相比，我們在Matlab中進行仿真。

下圖為使用本文方法和使用傳統的sobel邊緣檢測方法所得的結果。

原圖

圖1 新算法和Sobel邊緣檢測結果

由圖可知，傳統的Sobel算法獲得的邊緣不夠完整，丟失邊緣，而新算法獲得的邊緣更為準確更加完整，且可以自動獲取最佳閾值。

6 結束語

針對傳統的邊緣檢測方法容易丟失邊緣的缺點，本文提出在RGB彩色空間中進行邊緣檢測，并引入人工蜂群算法自動搜索最佳閾值。仿真結果顯示新算法能獲得更好更完整的圖像邊緣。

[1]陳彥燕,王元慶.常用邊緣檢測算法的定量比較[J].計算機工程,2008,34(17):202-204.

[2]白俊江,洪春勇.基于Sobel的邊緣檢測方法[J].電腦知識與技術,2009,5(21):5847-5849.

[3]趙景秀,王菁,趙昭等.基于RGB空間剖分的彩色圖像邊緣檢測[J].光電子技術,2009,29(3):171-190.

TP391

A

1003-5168(2014)04-0022-02

柳歡（1990—），女，安徽省巢湖市人，碩士，研究方向：智能信息處理與通信系統等。