基于CIE Lab彩色空间的灰度阈值分割方法
【技术领域】
[0001] 本发明涉及图像处理技术领域，特别是一种基于彩色空间至灰度空间转换的简单 有效的全局阈值分割方法。
【背景技术】
[0002] 图像分割是图像处理中的经典难题，也是图像分析和模式识别的首要问题。图像 分割是指将图像中具有特殊涵义的不同区域区分开来，这些区域是互相不交叉的，每一个 区域都满足特定区域的一致性。
[0003] 目前大部分的研宄工作都集中在灰度图像的分割，主流的图像分割方法可以分为 三类。一，基于像素的方法，也称为基于阈值的方案，比较经典的方案有峰谷法、最小误差 法、最大类间方差法、最大熵自动阈值法。二，基于区域的方法，有区域生长法，区域分裂与 合并发，分水岭算法等。三，基于边界的方法，有各种边缘提取算子Sobel梯度，拉普拉斯梯 度算子等。四，基于特定理论的算法，如小波分析，level cut，grab cut，蚁群算法等等。由 于人眼对灰度级的识别能力有限，只能识别几十种灰度级，但却能识别成千上万种颜色。而 彩色图像相比灰度图像提供了更多的信息，因此基于彩色空间的图像分割也开始受到越来 越多的关注，但是相对于灰度图像分割的研宄，成果还远远不够。而在实际的应用中，无论 是相机或者摄像头获取的图像。甚至是医学伪彩色图像都并非灰度图像，所以研宄彩色图 像的分割具有非常现实的意义。虽然已有不少成熟的彩色图像分割算法，如Kmeans，分水岭 等，但是各自有特定的应用范围，不断开拓新的算法始终是研宄者们的追求。
[0004] 本文在这样的背景下，提出了一种全新的非常简单的彩色图像分割方案，它可以 用于普通的自然彩色图像分割和医学伪彩色图像分割。
[0005] 对于很多的自然彩色图像，尤其是植物和动物类图像，由于其本身在颜色或者亮 度上相对于背景具有很好的分离性，此时采用复杂的彩色图像分割方案没有必要。CIE Lab 的L，a，b各个通道能够分别均匀而独立地反应出彩色图像在亮度，红色至绿色分量，黄色 至蓝色分量上的变化，从而而采用灰度阈值法完成彩色图像分割提供了可能。对于普通的 灰度医学图像，首先将其进行伪彩色化，能够突出和增强组织的边缘，而再次将其转换至 CIE Lab彩色空间的L，a，b通道，能够相比原有的灰度图像，更好的反映出软组织，病灶组 织相对于背景的对比度，从而可以采用基本阈值法完成更精确的预提取。
【发明内容】
[0006] 本发明的目的在于，提出一种基于CIE Lab彩色空间的灰度阈值分割方法，该方法 是无监督，简单有效的彩色图像分割方案。它没有敏感的参数，也没有复杂的迭代过程，而 是利用了对象和背景的亮度，色度信息，将彩色图像的分割转换成灰度图像的分割，从而很 好的解决了一部分彩色图像分割的问题。并且该分割可以作为复杂彩色图像的预分割，所 提出的分离度指标也可以作为图像评价的一个标准。
[0007] 本发明提供一种基于CIE Lab彩色空间的灰度阈值分割方法，包括如下步骤：
[0008] 步骤I :将RGB彩色空间的图像变换至CIE Lab彩色空间；
[0009] 步骤2 :对CIE Lab彩色空间的各个灰度通道进行高斯直方图滤波；
[0010] 步骤3 :采用Otsu阈值法计算出各个灰度通道的阈值，并调整阈值为局部极小 值；
[0011] 步骤4 :计算CIE Lab彩色空间的各个灰度通道的灰度分离度，选取灰度分离度最 大的灰度通道，采用步骤3中计算出的相应的阈值进行二值化分割。
[0012] 从上述技术方案可以看出，本发明具有以下技术效果：
[0013] 1、本发明提供的基于CIE Lab彩色空间的灰度阈值分割方法，提出了一个新的图 像评价标准，即灰度图像分离度指标η，用于比较不同灰度图像的可分离特性。
[0014] 2、本发明提供的基于CIE Lab彩色空间的灰度阈值分割方法，将彩色图像的分割 问题，转换成了灰度图像的分割问题，降低了原有问题的难度，在实际的自然图像分割和伪 彩色医学图像分割的应用中，取得了很好的效果。
[0015] 3、本发明提供的基于CIE Lab彩色空间的灰度阈值分割方法，针对经典Otsu阈值 方法在前景和背景方差差异很大时不能取得有效的阈值的缺点，提出了非常简单而有效的 修正方案。
【附图说明】
[0016] 为进一步说明本发明的技术内容，以下结合附图及实施案例对本发明详细说明如 后，其中：
[0017] 图1是本发明提供的基于CIE Lab彩色空间的灰度阈值分割方法的步骤流程图；
[0018] 图2是本发明提供的基于CIE Lab彩色空间的灰度阈值分割方案中分离度中归一 化面积的不意图；
[0019] 图3是本发明实施案例中的实验样本RGB图以及R、G、B通道图；
[0020] 图4是本发明实施案例中的实验样本Lab图以及L、a、b通道图；
[0021] 图5是本发明部分实验样本的分割结果，分割结果采用叠加轮廓的方式显示。
[0022] 图6是本发明脑肿瘤实验样本的RGB图，相应的Lab图以及相应的灰度图；
[0023] 图7是图6中脑肿瘤实验样本的CIE Lab彩色空间对应的L，a，b灰度通道图；
【具体实施方式】
[0024] 请参阅图1所示，本发明提供一种基于CIE Lab彩色空间的灰度阈值分割方法，包 括如下步骤：
[0025] 步骤1 :将RGB彩色空间的图像变换至CIE Lab彩色空间，所述的RGB彩色空间至 CIE Lab彩色空间转换，是采用先从RGB空间转换至CIE XYZ彩色空间，再转换至CIE Lab 彩色空间的算法，具体包含以下步骤；
[0026] 步骤la :RGB至CIE XYZ彩色空间转换
[0027] RGB色彩模式是在生理学的基础上，基于光的三原色的工业界的颜色标准。光的 三原色是红色、绿色和蓝色，这是由于人类有三种视锥细胞分别对红、绿和蓝光最敏感。RGB 色彩模式通过对红（R)、绿（G)、蓝（B)三个颜色通道的变化以及它们相互之间的叠加来得 到各式各样的颜色的，这个标准几乎包括了人类视力所能感知的所有颜色，是目前运用最 广的颜色系统之一。
[0028] 在颜色感知的研宄中，CIE 1931XYZ色彩空间（也叫做CIE 1931色彩空间）是其 中一个最先采用数学方式来定义的色彩空间，它由国际照明委员会（CIE)于1931年创立。 因为人类眼睛有响应不同波长范围的三种类型的颜色传感器，所有可视颜色的完整绘图是 三维的。但是颜色的概念可以分为两部分：明度和色度。例如，白色是明亮的颜色，而灰色 被认为是不太亮的白色。换句话说，白色和灰色的色度是一样的，而明度不同。
[0029] CIE XYZ色彩空间设计使得Y参数是颜色的明度或亮度的测量，而颜色的色度则 通过导出参数X和y指定，它们是所有三个三色刺激值X、Y和Z的函数所规范化的三个值 中的两个。参照OpenCV中对于电子系统的8位彩色图像，RGB-XYZ的转换如下：
【主权项】
1. 一种基于CIE L油彩色空间的灰度阔值分割方法，包括如下步骤： 步骤1 ;将RGB彩色空间的图像变换至CIE L油彩色空间； 步骤2 ;对CIE Lab彩色空间的各个灰度通道进行高斯直方图滤波； 步骤3 ;采用化SU阔值法计算出各个灰度通道的阔值，并调整阔值为局部极小值； 步骤4 ;计算CIE L油彩色空间的各个灰度通道的灰度分离度，选取灰度分离度最大的 灰度通道，采用步骤3中计算出的相应的阔值进行二值化分割。
2. 如权利要求1所述的基于CIE L油彩色空间的灰度阔值分割方法，其中所述的RGB 彩色空间至CIE L油空间转换，是采用先从RGB空间转换至CIE XYZ空间，再转换至CIE L油 空间的算法。
3. 如权利要求1所述的基于CIE L油彩色空间的灰度阔值分割方法，其中所述的高斯 直方图滤波，是通过高斯函数，对灰度直方图进行平滑滤波，具体算法如下；hist (t)表示 灰度级为t的概率密度，高斯滤波核函数K。方差因子0取0.75;
4. 如权利要求1所述的基于CIE L油彩色空间的灰度阔值分割方法，其中所述的化SU 阔值法，是通过灰度直方图，计算类间最大方差，来求取阔值t，I代表灰度级处于[0，1，…， kl]之间的灰度图像，ni表示灰度为n的像素个数，N代表总像素的个数，所W N = E ni， 则灰度级n的概率Pi为，Pi=ni/N。假设两类分别为Cl和〇2,通过阔值t进行分割，Cl包 含灰度级处于[0，…，t]之间的像素，C2包含像素级处于[t+1，…，kl]之间的像素，使 Pi(。和P2(t)表示两类的累积概率，1111似和化似表示两类的灰度均值，。2心）和。22(t) 表示两类的归一化方差，〇\(t)和0 2, (t)代表整个图像的类间方差和类内方差，代表 图像方差，则该些量的计算如下：
灰度阔值t通过公式（13)来得到。
5. 如权利要求1所述的基于CIE L油彩色空间的灰度阔值分割方法，其中所述的灰度 分罔度，是自定义的分罔度准则，它可W表征灰度通道的可分罔度特性；分罔度越大，说明 前景与背景的可分性越强，在灰度空间的重叠度越小，分离度的计算如下：其中％，mi代表 最高和最低灰度值，mi、m,代表两类的平均灰度值，0 \a)代表类间方差，代表图像方 差，Si、S2、S3分别代表；角形的面积Apivp2、Apavv。和Apivv。，在计算S角形的面积时，灰 度被归一化至0到1的范围；点Pi与P 2分别代表峰值点，V代表谷值点，V。代表谷值点在灰 度轴上的投影点：
6. 如权利要求1所述的基于CIE Lab彩色空间的灰度阔值分割方法，其中所述的对阔 值进行最优化调整，是通过将化SU阔值法应用于直方图得到初始阔值t，t将原来的直方图 分为两部分，可W得到相应的峰值Pi和P 2,然后通过计算峰值之间的最低谷值t'来代替原 有的化SU阔值的方法，此时得到的谷值t'优于原有的化SU阔值t。
7. 如权利要求1所述的基于CIE L油彩色空间的灰度阔值分割方法，其中所述的二值 化分割，是指将灰度分离度最大的灰度通道，按照对应的阔值，将灰度值大于阔值的归为一 类，小于阔值的归为另一类。
【专利摘要】一种基于CIE Lab彩色空间的灰度阈值分割方法，包括如下步骤：步骤1：将RGB彩色空间的图像变换至CIE Lab彩色空间；步骤2：对CIE Lab彩色空间的各个灰度通道进行高斯直方图滤波；步骤3：采用Otsu阈值法计算出各个灰度通道的阈值，并调整阈值为局部极小值；步骤4：计算CIE Lab彩色空间的各个灰度通道的灰度分离度，选取灰度分离度最大的灰度通道，采用步骤3中计算出的相应的阈值进行二值化分割。本发明很好的解决了一部分彩色图像分割的问题。并且该分割可以作为复杂彩色图像的预分割，所提出的分离度指标也可以作为图像评价的一个标准。
【IPC分类】G06T7-00
【公开号】CN104599271
【申请号】CN201510027820
【发明人】龙鹏, 鲁华祥, 边昳, 徐露露, 王俭, 陈旭, 龚国良, 金敏, 陈刚
【申请人】中国科学院半导体研究所
【公开日】2015年5月6日
【申请日】2015年1月20日