摘要：针对彩色图像提出一种基于度最大化的图像方法，并在此基础上进行彩色图像的边缘检测首先将彩色图像的色彩转为符合人眼感知的色彩空间，然后建立目标方程使的图像的颜色对比与人眼感知一致，然后对方程求解最后，使用图像边缘检测算子进行边缘检测结果证明，比一般彩色图像嘚边缘检测效果好

图像的是一项应用广泛的技术，在计算机视觉中边界线和轮廓线描述了物体的形状信息，是识别、理解图像的基础迄今，对灰度和对比度图像已经有多种成熟的算子如基于梯度计算的Sobel算子，Previtt算子等这些方法都比较成熟，因此被一些图像处理软件集成如Matlab。对彩色图像而言其边界线的检测与灰度和对比度图像类似，但由于彩色图像的颜色表示与灰度和对比度图相比较为复杂，洇此对彩色图像的边缘检测目前也是一个比较热门的课题本文实现一个新型的彩色图像的方法，基于颜色对比度最大化保留的理论可鉯使用灰度和对比度图像的边缘检测算子对彩色图像的结果进行检测。

边界检测作为计算机视觉、图像理解等领域较为基础的问题已经囿若干年的研究历史。有一些成熟的方法如基于微分和梯度计算的灰度和对比度图象边缘检测。对彩色图像最早的方法就是把彩色图潒先转换为灰度和对比度图象，再使用灰度和对比度图象的一些经典算子来确定图像的边缘根据色彩的表示模型，对彩色图像灰度和对仳度化处理中传统的方法有几种：分量方法、最大值法、平均值法、加权平均法。所谓分量方法就是根据RGB的颜色模型，用彩色的一个汾量RG，B来代替像素的灰度和对比度值因此，只能反映一种分量在图像表达中的对比量最大值，则是根据RGB各分量中取最大值来代替象素的灰度和对比度值平均值是对RBG各个分量，用三个分量的平均值来表示象素的灰度和对比度这三种方法都没考虑彩色模型中，真正对粅体的边界和颜色对比起作用的因素

加权平均法根据重要性及其它指标，将三个分量以不同的权值进行加权平均考虑到人眼对绿色的敏感最高，对蓝色敏感最低因此，对RGB三分量进行按照权值为0.299：0.587：0.114加权平均能得到较合理的灰度和对比度图像该过程是将彩色的不连续性转换为灰度和对比度的不连续性，操作起来比较方便但在这个过程中失去了很多信息，影响了彩色图像边缘检测的结果而且对于颜銫的表示，没有充分的依据解释各种颜色分量对于边界线的贡献

因此，有一些方法先把彩色图像从RGB空间转化到其他的颜色空间，进行檢测如转化到HSV或YUV空间，对亮度或色度值计算微分求对比度文献提出了基于HSI颜色空间的彩色边缘检测方法，即首先对HSI颜色空间中的每个汾量分别用Sobel算子来得到各自的检测结果然后加权平均这3个检测结果。文献则提出了基于颜色矢量差和矢量角的彩色边缘检测方法该方法一方面把颜色看作一个矢量，同时认为矢量的长度就是该颜色的亮度并将两个颜色矢量的矢量差作为这两个颜色的亮度差另一方面它認为两个颜色矢量之间所张的角的正弦值反应了这两个颜色的色度差的大小。在假设色度差和亮度差的单位一致的情况下加权平均亮度差和色度差即可得到两个颜色之间的差异。还有一些类似的方法如文献根据人类视觉系统，通过分立颜色的亮度和色度信息分别计算煷度差和色度差，加权平均作为最终的颜色距离文献也是通过将颜色转为YUV空间，并增强亮度和色度的差异来得到图像边缘信息文献通過设计基于点的对比度增强的方法，提出了对彩色图象增强对比度的方法提取边缘文献中，将色彩表示的三个元素表示为三角形然后計算梯度时，根据相邻两象素的颜色三角形的相似性可以进行多种梯度计算，由此得到较为细腻的边界线

通过对上述的彩色图像边界檢测方法分析，大多数方法使用梯度和差分运算也就是检测出相邻象素的颜色或亮度的差值，作为边缘点的数据为了得到明显的边界，通过各种不同方式增强对比度但上述每个方法中，对比度的增强都是遵循同一个标准不足以说明对所有图像的有效性。因此本文根据经典的边界检测方法，设计一种对彩色图像进行对比度最大化的灰度和对比度处理方法使其能够在人眼所能感受的最大对比条件下檢测出边界，所检测的结果也更符合人眼的要求

本文提出的彩色图像边界检测的过程分为4个步骤：1.将图像转化到CIELab颜色空间。2.将目标灰度囷对比度图像的相邻象素的颜色差分与对应象素的CIELab的颜色距离对应建立目标方程。3.求解目标方程得到保留最大对比度的灰度和对比度圖。4.对灰度和对比度图进行边界检测在图像灰度和对比度化过程中，使用了最优化理论可以最大程度地保留初始颜色的对比度，在边堺检测过程中本文分析了传统的灰度和对比度图像边界检测算子对我们处理的灰度和对比度图像的使用效果，通过与一般的灰度和对比喥化图像的结果进行比较证明我们的灰度和对比度化结果能够得到明显较好的边界效果。

2.1 图像颜色空间转换

在众多颜色模型中RGB是一种基于设备的颜色模型，因此像素在颜色空间的差值并不能完全反映出人眼对色彩的感受CIELab颜色空间是一种基于生理特征的颜色系统，它是鼡数字化的方法来描述人的视觉感应所以，对一副图像在人眼中的感受可以用cIElab颜色来表示通过普通图像的RGB颜色信息，CⅡ丑ab的颜色信息鈳以通过下面两个步骤转换

首先，图像的初始颜色的RGB转化为cIExYz颜色空间XYz颜色空间也是一种与设备无关的模型。cIExYz颜色与RGB的转换可表示为下式

然后，再由CIEXYZ转化为CIELab颜色空间因为在cIExYz或cIEYxy空间中，两种不同颜色之间的距离值并不能正确地反映人们色彩感觉差别的大小也就是说在銫度图中，在不同的位置不同方向上颜色的宽容量是不同的而CIELab颜色空间更能反映人眼的感受。cIExYz转化为cIELab可以按照公式(2.1)-(2.6)进行

两种颜色的差異可以用其在空间中的点的欧几里得距离来表示：

根据生理和医学研究证明，人类视觉系统并不能精确感知到亮度和色度相反，它们在圖像表达中的关系至关重要例如，在cIELab颜色系统中亮度通道的表示中绿色比蓝色亮一些，但对人而言不同的文化背景等信息，则会影響人对此的判断因此，单纯研究颜色的对比形成的效果对人眼未必明显因此我们不是直接基于CIELab颜色空间进行梯度计算。

由于边界的计算以梯度和微分计算为主所以，我们对彩色图像的象素颜色表示从三维降为一维形式也就是将图像灰度和对比度化，但一般的灰度和對比度化方法如加权平均各个颜色分量的贡献并不是对所有的图像都是最好的。为了得到清晰的边界信息相邻象素的对比度需要很好哋保留下来，而对不同的彩色图像使用任何一个固定的灰度和对比度化的公式未表示都不一定能使得最后的对比度与上式一致。即d=a*R+b*G+c*Ba+b+c=1中，权值ab，c的取值不应该是固定的

因此，为了使得灰度和对比度化后的象素颜色对比与公式一致我们对即d=a*R+b*G+c*B，a+b+c=1中的ab，c设置为动态系数并满足

公式4说明我们的目标灰度和对比度图中的两个像素的颜色对比最大程度地接近该像素初始颜色在人眼中的对比度。

为了求出系数ab，c的值理论上可以使用最优理论进行迭代求解，但对所有的实数计算是比较耗时的实验证明，系数的微小变化对生成的灰度和对仳度图的结果影响不大。因此可以求出近似的最优解，同时将问题规模降低从而使算法能够实时实现。我们将解空间离散到[01]之间，並设置相邻两个解间隔为α(0α1)于是，方程解的查找空间降低为1/α*(1/α+1)/2个如α=0.1，则解空间有11*10/2=66个不同的解我们在这些解中求出最优的组合嘚结果，即作为最后图像灰度和对比度化的加权系数实验证明，该系数可以得到较好的灰度和对比度化效果

2.4 灰度和对比度图像检测边堺

由于灰度和对比度图像的边缘检测技术相对比较成熟，因此我们对通过上述步骤灰度和对比度化的图像采用传统的检测算子进行边界檢测。首先是传统的Sobel梯度算子对我们处理过的图像的边界检测效果和一般的灰度和对比度化结果边界检测效果对比中间一副是直接未加處理的图像的边界检测，最右边一副是我们处理过后的图像进行检测的结果通过对比，可以看出经过优化处理灰度和对比度化之后的图潒所得到的边界信息比一般的灰度和对比度化图像的边界信息更清晰。

对于其他传统的灰度和对比度图像检测算子如Roberts，Prewitt等我们处理過的图像同样能够得到更充分和清晰的边界信息。Canny算子检测的过程中我们发现在相同的参数条件下，采用我们的灰度和对比度化处理的圖像能够得到更准确的边界线结果如下图，中间图是直接进行边界检测的结果右图是进行对比度保留后检测的边界线效果。

本文针对彩色图像的边界检测提出了一种对比度最大化保留的灰度和对比度化方法，首先将彩色图像转化到CIELab色彩空间，然后基于人眼对彩色图潒的感知建立目标优化方程，使得象素的视觉差异与转化的目标灰度和对比度图一致然后，通过快速的求解方法将彩色图像中的颜銫信息和亮度的对比信息最大程度地保留，从而在基于梯度和差分算子的边界检测算法中得到更好的边界

在从图像源到终端显示的过程中电路噪声、传输损耗等会造成图像质量下降，为了改善显示器的视觉效果常常需要进行图像增强处理。图像增强处理有很 强的针对性没有统一的*价标准，从一般的图片、视频欣赏角度来说滤除噪声、扩展对比度、锐化以及色彩增强等处理能显著提升视觉效果。

这里設计一个基于的实时视频图像处理系统包含增强对比度扩展和色饱和度两种处理方法，相比于和方案来说FPGA在性能和灵活性方面具有绝對优势，应用FPGA设计视频通信系统更普遍

图像增强处理可以在频域和空间域进行，典型的频域方法如直方图增强处理适合于软件系统实現；而硬件系统更适合于空间域处理，因此本文所述的处理方法都将在空间域进行

对比度扩展又称灰度和对比度变换，其目的是在拓展感兴趣的灰度和对比度区间的同时压缩不感兴趣的灰度和对比度区间。最简单有效的方法是线性变换满足以下关系：

f(x，y)和g(xy)分别表示輸入图像和输出图像的灰度和对比度值。经过变换线性拉伸了在a～b内的灰度和对比度值，同时对[0a]和[b，255]灰度和对比度 区间进行抑制从顯示设备的角度来说，一般民用级别的显示器都不具备完美表现256灰阶的能力因此抑制过暗[0，a]和过亮[b255]的灰度和对比度区间而 增强中间区域的动态范围，可以避免灰阶的浪费从另一个角度来讲，通常一幅图像所包含的过暗和过亮的像素点本来就是少数有目的有针对性地擴展中间范围灰 度而压缩两头的灰度和对比度，可增强图像质量得到更好视觉效果，而图像信息的损失却很小

色彩增强的目的是在保證颜色不失真的前提下，有针对性地增加图像的色彩饱和程度使其看起来更鲜艳生动，层次感更强

在彩色图像处理中，RGB、YCbCr、CMYK等是常用嘚色彩模型其算法和相互间的转换很易用硬件实现，但是它们都不能很好适应实际上从人的角度来解释的颜色

研究表明，从人的角度來观察一个彩色物体时一般用色调、色饱和度和亮度这3个参量来描述该物体。色调描述纯色的属性而饱和度给出一种纯色被白光 稀释嘚程度的度量。亮度即图像的明暗程度是一个主观的描述量。基于这3个参量建立的HSI彩色模型是开发基于彩色描述的图像处理方法的理想笁具下面简 单阐述HSI模型的原理。

图1所示是一个RGB彩色空间的立方体模型边长归一化为1，原点处为黑色相对的顶点处为白色。连接黑白兩点得到灰度和对比度轴这根轴上的饱和度为0，即没有彩色分量在灰度和对比度轴上有相同投影点的点具有相同的亮度，即垂直于灰喥和对比度轴的平面内的点具有相同的亮度值

在立方体内任取一点P，它与灰度和对比度轴确定一个平面根据颜色学的理论，所有颜色嘟是由位于那些颜色定义的三角形内的3种颜色产生的在这个平面内，三 角形的3个顶点分别是黑色、白色和P的颜色而黑色和白色是不能妀变色调的，所以这个平面内的点具有与P点相同的色调即等色调面。直观地说越靠近灰度和对比度 轴的点，颜色越淡所以色饱和度嘚定义就是该点与灰度和对比度轴的距离：距离越远，饱和度越强；距离越近饱和度越弱；距离为0则饱和度也为0，这时就完全没有彩 色

实际上，用垂直于灰度和对比度轴的平面内的彩色点轨迹来表示HSI空间(等亮度面)当平面沿灰度和对比度轴上下时，由于立方体边界的切割而构成的横截面所决定的边界呈三角形或呈六边形这里以六边形为例，如图2所示

由图2看出，三原色是按120°分割的，青、品红被称为二次色，也是按120°分割，一次色与二次色之间相隔60°。图中任给出一点Q若以红轴作参考，则Q向量与红轴的夹角H决定其色调而向量长度S决萣其饱和度，整个平面在灰度和对比度轴上的位置决定了平面内所有点的亮度I于是得到由RGB到HSI的转换关系：

1．2．2 色饱和度增强算法

HSI模型可鉯方便地对色调和饱和度进行调整，但是其运算比较复杂很难用硬件来实现。不过根据其原理可以直接在RGB空间进行色饱和度的调整。這里假设RGB立方体内任一点P(rg，b)容易求出其在灰度和对比度轴上的投影点P*，连接P和P*这是一条等色调线，如图3所示

只要在P*P的延长线上找箌合适的点(如P1或P2)，就可以对P点的饱和度进行增强由于已知P和P*的坐标，可以求得直线P*P方程：

令式(6)的值为t可求得直线P*P的参数方程：

则色饱囷度的调整就可通过调整t的取值来实现。当t∈(-10)时，得到的点在P*和P之间饱和度减弱；当t>O时，得到的点在P*P之外饱和度增强。

用硬件实现浮点运算效率较低这里采用查表的方法，在YCbCr空间进行灰度和对比度变换如图4所示。

色饱和度调整在RGB空间进行设计为流水线操作，如圖5所示

色饱和度增强是有针对性的，对于不同色饱和度的像素要作不同的处理可以把一幅图像的色饱和度分为4个等级，对于色饱和度低的像素进行增强处理而 对于饱和度很高的像素则不进行处理甚至是抑制处理。图5所示是进行2级的色饱和度调整的流水线操作：第1级令t=1运算结果若溢出则转入第2级调整 (t=0．5)。若运算结果还是溢出则输出保持原输入值(iR，iCiB)。流水线操作使得平均每个像素的饱和度调整只需1個时钟周期就能完成只是 输入相对输出有6个时钟周期的延时。为了达到更好的效果可以增加饱和度调整运算的级数，后果是需要占用哽多的硬件资源以及带来更长的延时

该实验平台为Ahera公司的DE2开发板。系统结构如图6所示

用ModelSim对灰度和对比度变换模块进行仿真的结果，如圖7所示对色饱和度增强模块进行仿真的结果，如图8所示

视频图像测试对比效果如图9和图10所示。

由实验结果可知该方法能有效改善图潒画质，提升视觉效果色饱和度增强处理由于其算法的特点，用硬件系统很难做到实时处理从基本原理出发，找到 一种比较简便的茬RGB空间就能进行的色饱和度增强处理方法，在满足实时性要求的同时能有效达到色彩增强的目的。但也是由于视频图像处理的实时性要求 以及硬件系统实现的特点该方法更多地讲究效率，某些细节部分还不够完善比如色彩失真等问题。进一步研究重点可能就在于如何優化硬件配置以及解决算法中 浮点运算的问题