结合RGB空间和人工蜂群算法的彩色图像边缘检测

柳欢

（安徽理工大学电气与信息工程学院，安徽淮南 232001）

结合RGB空间和人工蜂群算法的彩色图像边缘检测

柳欢

（安徽理工大学电气与信息工程学院，安徽淮南 232001）

由于传统的梯度算子搜索边缘会丢失一些边缘，提出了一种在RGB彩色空间的边缘检测方法。该方法先获得RGB梯度图像，而阈值则通过人工蜂群算法搜索得到，进而得到边缘图像。

RGB；人工蜂群算法；边缘检测

1 引言

边缘蕴含了图像的很多讯息，是图像很重要的特征。传统的边缘检测[1-2]方法有基于梯度的边缘检测，而这种方法，主要是针对灰度图，忽略了色度信息，容易丢失边缘。而在RGB颜色空间的边沿检测[3]则能很好用到色彩信息，获得更丰富的边沿信息。但基于RGB彩色空间的边缘检测的阈值不好确定，本文将引入人工蜂群算法[4]来获得阈值。

2 基于RGB空间的彩色图像边缘检测

而沿着这个方向的变化率值为

又有tan（α）=tan（α±π），如果β是式（7）的解，那么β±π、2也是这个式子的解，又因为Fθ=Fθ+π，所以F只需要对θ在[0，π]之间计算。由式（7）可知，在每个点（x，y）处有两个正交方向，沿着这两方向，F值获得最大。

3 人工蜂群算法

在人工蜂群(ABC)算法中，蜂群被分为雇佣蜂、观察蜂和侦察蜂三类，人工蜂群算法主要应用到寻找最优解，本文将用它查找最佳阈值[5]。

ABC算法实现过程为：先随机生成初始花蜜源，再以类间方差作为适应度函数计算每个花蜜源的适应度值。雇佣蜂开始邻域搜索得到新蜜源并计算其适应度值，与旧蜜源进行比较，选择较为优秀的蜜源。观察蜂按轮盘赌法选择蜜源并进行邻域搜索，再计算新蜜源的适应度值，选择适应度值较高的花蜜源位置作为本次迭代的花蜜源位置。若是通过设置的限制次数循环后，一个蜜源依然没有变化，那么抛弃该蜜源，随机生成新蜜源。算法如果达到了最大循环次数，那就停止并给出最佳解，否则继续进行。

4 基于RGB空间和ABC算法的边缘检测

本文提取彩色图像边缘方法步骤如下：

步骤1：对图像进行预处理。

步骤2：使用sobel算子分别得到R，G，B分量垂直方向和水平方向的偏导数，并使用第二节的方法得到θ（x，y）和Fθ（x，y）。

步骤3：将Fθ（x，y）作为待求最优解的函数，使用ABC算法搜索出最佳解t。

步骤4：使用步骤3得到的最优阈值t来提取彩色图像边缘，当Fθ（x，y）大于等于t时，像素点设为1，反之为0。

5 仿真实验

为了验证本文方法的可行性并与普通的边沿搜索方法相比，我们在Matlab中进行仿真。

下图为使用本文方法和使用传统的sobel边缘检测方法所得的结果。

原图

图1 新算法和Sobel边缘检测结果

由图可知，传统的Sobel算法获得的边缘不够完整，丢失边缘，而新算法获得的边缘更为准确更加完整，且可以自动获取最佳阈值。

6 结束语

针对传统的边缘检测方法容易丢失边缘的缺点，本文提出在RGB彩色空间中进行边缘检测，并引入人工蜂群算法自动搜索最佳阈值。仿真结果显示新算法能获得更好更完整的图像边缘。

[1]陈彦燕,王元庆.常用边缘检测算法的定量比较[J].计算机工程,2008,34(17):202-204.

[2]白俊江,洪春勇.基于Sobel的边缘检测方法[J].电脑知识与技术,2009,5(21):5847-5849.

[3]赵景秀,王菁,赵昭等.基于RGB空间剖分的彩色图像边缘检测[J].光电子技术,2009,29(3):171-190.

TP391

A

1003-5168(2014)04-0022-02

柳欢（1990—），女，安徽省巢湖市人，硕士，研究方向：智能信息处理与通信系统等。