彩色影像切割技術之研究.doc

影像與識別 2000, Vol. 6, No.2 彩色影像切割技術之研究 PAGE PAGE 73 彩色影像切割技術之研究 陳亮宇、王聖智 交大電子所 影像處理與電腦視覺實驗室 摘要 影像切割技術一直是電腦視覺領域中的重要議題。本論文就彩色影像的切割問題進行一些基本的討論。其中，不僅討論了色彩空間的選擇，也討論了目前影像切割技術所採用之根本假設中，可能存在的問題。根據一些推論與假設，我們設計了一套新的影像切割方法，嘗試改以影像資料中之對比值資料作為影像切割的依據。經由一些初步實驗的結果顯示，這套新的影像切割方法似乎能夠比較正確地進行彩色影像的切割動作。 一、簡介 靜態影像分割技術發展至今，已有三、四十年的歷史。自從L.G. Roberts於1965年推出著名的Roberts Cross Operator以來，與影像切割相關的研究持續不斷進行，而數以百計的演算法也已經被公告於世。然而，經過了三十多年來的努力，影像切割技術仍然被公認是尚待解決的難題，而目前的各類影像切割技術所能呈現出來的最佳性能，與人類視覺系統的水準相比，也還有一大段的差距，若想要在短短數年內便能在影像切割技術方面有所突破，實屬難事。此外，若是仔細審視現今的一些主要靜態影像分割方法，便會發現大部分的方法均只是針對灰階影像而設計的，縱使有一些方法是針對彩色影像而特別加以設計，也大多只是將一維灰階數值的思維方式直接擴充到三維的色彩空間而已，似乎並沒有很仔細地討論色彩資料中所額外提供的訊息。因此，若是要在近期內改良發展影像切割技術，彩色影像切割技術似乎是一個很好的切入點。 到目前為止，專門針對彩色影像的影像切割演算法並不算太多。在這些彩色影像切割演算法中，大致上可以用兩種方式來分類，一種是根據該演算法所選取的色彩空間(Color Space)來分類，另一種則是針對所採用的切割方法來分類。 就色彩空間的選擇上，在目前所見的彩色影像切割法中，常被採用的色彩空間有RGB[9]、CIE L*u*v*[9]、CIE L*a*b*[6]等等。其中，RGB的格式雖然是最直接的資料格式，但這樣的表示方式與人眼對於色彩的認知感覺有著相當大的差異，在色彩分析的運用上並不見得十分合適。而CIE L*u*v*和CIE L*a*b*兩種色彩空間，是前人經過實驗後刻意制定出來的色彩表示方式，這兩種色彩表示法與人類的色彩認知有較相近的對應關係，並且能夠大致保有色彩分布上的均勻一致性(Uniformity)，所以常被採用來進行色彩資料的量化(Quantization)與分類(Classification)等工作上。然而，這兩種色彩空間的轉換公式相當複雜，在許多應用上並不見得十分合適。 就影像之切割方法還分類的話，目前彩色影像的切割方法大致可以區分為群聚分類法(Clustering) [4,9]、邊界為主分割法(Boundary-based Segmentation) [6,8]、以及區塊為主分割法(Region-based Segmentation)[1]等。群聚分類法是運用常見的一些分類方法(如 Vector Quantization、Competitive Learning等)，將影像資料分類成資料內容相近的幾個部分；邊界為主分割法是先找出影像中各物件的邊緣位置來，然後以此邊緣為界，區隔出各個區塊來；區塊為主分割法則是運用區塊中資料特性的相似性，由小範圍到大範圍逐漸合併出各個區塊來。 在這篇論文中，我們將先討論色彩空間的選擇問題，然後將審視一下現有影像切割方法中可能存在的根本問題。之後，我們將提出我們的論點、我們所採用的運算子、以及整個彩色影像切割方法的流程。最後，也將作一些簡單的比較模擬。 二、色彩空間的選擇 一般的影像資料習慣上是表示成RGB的資料型態，然而RGB的資料型態與人眼對色彩的認知型態有著相當大的差異，因此未必合適用來進行影像切割或分析的工作。所謂色彩空間的選擇，是將原有RGB資料所呈現的三維空間，經由線性或非線性之轉換，換成一個比較方便來表示色彩及進行色彩處理的空間。目前，大部分的彩色影像切割法，若不是採用原始RGB 色彩空間，就是使用一些前人所制定出來的色彩空間，如CIE L*u*v*、CIE L*a*b*等。雖然CIE L*u*v*及CIE L*a*b*這兩種色彩空間在色彩的分析處理上，比RGB色彩空間要合適許多，但是其轉換公式相當麻煩，是以，我們改採一個與CIE L*u*v*、CIE L*a*b*相近，但在型態上卻簡單很多的色彩空間。這個色彩空間基本上是模仿人類視覺系統中色彩資料的前級處理模型[3]，我們稱之為I-R\G-Y\B色彩空間，其中I、R/G、Y/B的轉換公式定義如下 這樣的處理，其實只是將