基于Blob算法的多特征聯(lián)合數(shù)字圖像轉(zhuǎn)換仿真

田宏偉，王宜懷，沈曉峰

(1.蘇州大學(xué)應(yīng)用技術(shù)學(xué)院，江蘇 昆山 215325；2.蘇州大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，江蘇 蘇州 215006)

1 引言

數(shù)字圖像顏色空間的準(zhǔn)確轉(zhuǎn)換是提升數(shù)字圖像處理效率與處理精度的重要部分，數(shù)字圖像中包含前景噪聲、背景噪聲、圖像目標(biāo)、圖像背景等眾多特征，有效識別與劃分?jǐn)?shù)字圖像中包含的眾多特征有利于圖像后續(xù)處理[1-2]。數(shù)字圖像的顏色空間是指利用三維空間中坐標(biāo)等向量代替數(shù)字圖像的視覺感受，數(shù)字圖像利用顏色空間實(shí)現(xiàn)圖像顏色特性可視化，人類的視覺對于圖像感受并不均勻，采用單一的顏色空間無法直觀表達(dá)數(shù)字圖像全部特性，數(shù)字圖像的顏色空間轉(zhuǎn)換就顯得極為重要。

文獻(xiàn)[3]提出基于卷積神經(jīng)網(wǎng)絡(luò)多特征聯(lián)合的圖像處理，首先對2D線性圖像進(jìn)行預(yù)處理，將處理得到的結(jié)果轉(zhuǎn)化為彩色空間結(jié)果，基于卷積神經(jīng)網(wǎng)絡(luò)多特征聯(lián)合方法形成異散化特征值，實(shí)現(xiàn)圖像的數(shù)字化轉(zhuǎn)化。文獻(xiàn)[4]提出了一種基于分形編碼和離散余弦變換的數(shù)字水印算法。該方法將分形編碼方法和DCT雙重加密方法相結(jié)合，對傳統(tǒng)的DCT方法進(jìn)行了改進(jìn)。首先對圖像進(jìn)行分形編碼作為第一次加密，然后在DCT方法中使用編碼參數(shù)作為第二次加密。在此基礎(chǔ)上采用分形編碼方法對一幅具有特定尺度的私有圖像進(jìn)行編碼。采用編碼參數(shù)作為數(shù)字水印。然后，在原始圖像中加入數(shù)字水印，利用DCT變換實(shí)現(xiàn)可逆性，從具有私有編碼尺度的載體圖像中提取出私有圖像。最后，利用幾種攻擊方法對載體圖像進(jìn)行實(shí)驗(yàn)。

雖然上述研究取得一定的進(jìn)展，但是未考慮多特征聯(lián)合下的數(shù)字圖像轉(zhuǎn)換，為此提出基于Blob算法的多特征聯(lián)合的數(shù)字圖像轉(zhuǎn)換方法。Blob算法又稱為聯(lián)合的圖像點(diǎn)集算法，將Blob算法應(yīng)用于數(shù)字圖像轉(zhuǎn)換中，先劃分?jǐn)?shù)字圖像的Blob特征，基于所劃分的特征利用“夾角-模差”方法體現(xiàn)數(shù)字圖像差分結(jié)果中不同特征的Blob信息，利用數(shù)字圖像中各像素點(diǎn)于圖像中和參考背景圖像中的“模差”和“夾角”劃分圖像的Blob區(qū)域后，將數(shù)字圖像的3D顏色空間轉(zhuǎn)化至2D顏色空間，便于數(shù)字圖像顏色空間轉(zhuǎn)化。

2 多特征聯(lián)合的數(shù)字圖像轉(zhuǎn)換

2.1 Blob算法劃分圖像特征

以往已有研究學(xué)者將數(shù)字圖像中各類型特征的聯(lián)通點(diǎn)集特征有效劃分，Cucchiara將差分?jǐn)?shù)字圖像的前景Blob分為鬼影、運(yùn)動可視目標(biāo)和陰影；Carmona依據(jù)以上劃分將前景噪聲Blob劃分為鬼影、陰影和反射，本文充分考慮數(shù)字圖像中存在的靜止可視目標(biāo)，基于以上研究將數(shù)字圖像利用Blob算法劃分特征結(jié)果如圖1所示。

圖1 Bolb算法劃分?jǐn)?shù)字圖像特征

數(shù)字圖像的前景與背景分別是指數(shù)字圖像差分閾值小于等于以及大于圖像差分的二進(jìn)制圖像。差分?jǐn)?shù)字圖像中存在目標(biāo)顏色與背景顏色相近情況[5]。當(dāng)目標(biāo)顏色被誤認(rèn)為背景時，說明數(shù)字圖像中存在背景噪聲，數(shù)字圖像的背景噪聲的Blob特征性質(zhì)如下

|Wt(x，y)-Jt(x，y)|<σ，?x，y

(1)

式(1)中，Wt(x，y)與Jt(x，y)分別表示輸入的數(shù)字圖像和圖像背景，σ表示差分閾值。

差分?jǐn)?shù)字圖像中真實(shí)運(yùn)動目標(biāo)的Blob特征為運(yùn)動可視目標(biāo)，數(shù)字圖像中隨機(jī)點(diǎn)與圖像背景中同坐標(biāo)位置的點(diǎn)存在顏色差異；差分?jǐn)?shù)字圖像中的靜止可視目標(biāo)是指圖像場景中靜止的目標(biāo)[6]；存在于數(shù)字圖像的前景而不屬于運(yùn)動目標(biāo)的虛假前景為數(shù)字圖像的前景噪聲，可將前景噪聲進(jìn)一步劃分為陰影、反射和鬼影[7]；由更新錯誤背景造成的前景噪聲稱之為鬼影，鬼影的Blob特征如下

|Wt(x，y)-Jt(x，y)|>σ，?x，y

(2)

數(shù)字圖像背景區(qū)域因圖像中運(yùn)動物體遮擋光照引起的前景噪聲稱之為陰影[8]，陰影的Blob特征如下

|Wt(x，y)-Jt(x，y)|<0，?x，y

(3)

數(shù)字圖像中部分區(qū)域由于反射較強(qiáng)造成的前景噪聲稱之為反射，反射的Blob特征如下

|Wt(x，y)-Jt(x，y)|>0，?x，y

(4)

2.2 “夾角-模差”2D空間

數(shù)字圖像中的顏色空間為3D空間，不利于顏色空間的轉(zhuǎn)換，聯(lián)合以上Blob特征令3D顏色空間轉(zhuǎn)化至2D“夾角-模差”空間，便于數(shù)字圖像的顏色空間轉(zhuǎn)換。

(5)

(6)

(7)

(8)

式(5)-(8)中，Wt表示輸入圖像的基礎(chǔ)值，Jt表示圖像背景的基礎(chǔ)值，τ表示為避免分母為零的最小化非零值，Abs為對等矩陣同索引位置的乘運(yùn)算。

(9)

式(9)中，ω0與h0均表示閾值，擴(kuò)展定義ω0與h0兩個閾值以增強(qiáng)閾值判別自適應(yīng)性，設(shè)Ψ(x，y)表示為各像素點(diǎn)(x，y)的角度閾值，設(shè)K(x，y)表示各像素點(diǎn)的模差閾值，可得數(shù)字圖像背景模型J更新公式如下

(10)

式(10)中，αJ表示更新率，依據(jù)以上公式將“夾角-模差”2D前景判別公式更新如下

(11)

通過以上過程聯(lián)合數(shù)字圖像的多特征將3D顏色空間轉(zhuǎn)換至2D的“夾角”與“模差”空間，降低數(shù)字圖像的維度[9]，利于數(shù)字圖像顏色空間的轉(zhuǎn)換。

2.3 顏色空間轉(zhuǎn)換

數(shù)字圖像在不同場景中需要用不同的顏色空間，例如數(shù)字圖像在計(jì)算機(jī)中通過RGB顏色空間顯示[10]，編輯處理數(shù)字圖像時通過YUV顏色空間，打印輸出與印刷時需要利用CMY和CMYK顏色空間。

2.3.1 RGB與CMY或CMYK顏色空間轉(zhuǎn)換

數(shù)字圖像中的CMY顏色空間與RGB顏色空間互補(bǔ)[11]，將RGB顏色空間中的其中一個色彩值利用白色去除后即為該色彩于CMY顏色空間中的值，可得2D的“夾角”與“模差”空間RGB空間轉(zhuǎn)換至CMY空間公式如下

(12)

將數(shù)字空間的CMY顏色空間轉(zhuǎn)換至CMYK顏色空間公式如下

K=MIN(C，M，Y)

(13)

(14)

(15)

(16)

將數(shù)字空間的CMYK顏色空間轉(zhuǎn)換至CMY顏色空間公式如下

C=min(1，C×(1-K)+K)

(17)

M=min(1，M×(1-K)+K)

(18)

Y=min(1，Y×(1-K)+K)

(19)

2.3.2 RGB與YUV顏色空間轉(zhuǎn)換

基于數(shù)字圖像視覺系統(tǒng)與陰極射線管的非線性關(guān)系，可得RGB顏色空間轉(zhuǎn)換至YUV顏色空間公式如下：

(20)

通過以上公式可實(shí)現(xiàn)RGB與YUV顏色空間轉(zhuǎn)換，但轉(zhuǎn)換過程中計(jì)算過于復(fù)雜，為提升轉(zhuǎn)換處理速度[12]，可得式(22)的近似公式如下

Y′=0.288R+0.576G+0.103B

(21)

U′=(R-Y)×0.554

(22)

V′=(B-Y)×0.702

(23)

將數(shù)字空間的YUV顏色空間轉(zhuǎn)換至RGB顏色空間公式如下

(24)

以上方法可應(yīng)用于顏色空間轉(zhuǎn)換后色調(diào)Y為相同角度，飽和度U與亮度V分別獨(dú)立且可實(shí)現(xiàn)逆轉(zhuǎn)換時。

3 實(shí)驗(yàn)分析

為驗(yàn)證基于Blob算法的多特征聯(lián)合數(shù)字圖像轉(zhuǎn)換方法的有效性和可行性，在CPU為英特爾i5 8600酷睿六核，內(nèi)存為8GB的計(jì)算機(jī)中，通過Matlab仿真軟件，利用其自帶的圖像處理工具箱處理。Matlab軟件是數(shù)字圖像分析與處理中應(yīng)用最廣泛的軟件，Matlab軟件具有可視化和高效的處理技術(shù)，可有效檢測數(shù)字圖像處理技術(shù)的優(yōu)劣。

研究基于Blob算法的多特征聯(lián)合的數(shù)字圖像轉(zhuǎn)換，并利用Matlab軟件的圖像處理工具箱對具體的數(shù)字圖像顏色空間有效轉(zhuǎn)換，驗(yàn)證該方法的轉(zhuǎn)換效果，為數(shù)字圖像的后續(xù)處理提供依據(jù)，顏色空間轉(zhuǎn)換后的數(shù)字圖像可應(yīng)用于更廣泛的領(lǐng)域中。采用本文方法處理人物、動物、汽車、環(huán)境等數(shù)字圖像，將原始的數(shù)字圖像從RGB顏色空間轉(zhuǎn)換至CMYK、YUV顏色空間。

采用本文方法將原始數(shù)字圖像的RGB顏色空間轉(zhuǎn)換至CMYK顏色空間的數(shù)字圖像，原始數(shù)字圖像與轉(zhuǎn)換后結(jié)果如圖2所示。

圖2 本文方法RGB轉(zhuǎn)換至CMYK圖像處理結(jié)果

同時采用本文方法將原始數(shù)字圖像的RGB顏色空間轉(zhuǎn)換至YUV顏色空間的數(shù)字圖像，原始數(shù)字圖像與轉(zhuǎn)換后結(jié)果如圖3所示。

圖3 本文方法RGB轉(zhuǎn)換至YUV圖像處理結(jié)果

通過圖2和圖3實(shí)驗(yàn)轉(zhuǎn)換結(jié)果可以看出，采用本文方法可有效將原始RGB顏色空間的數(shù)字圖像轉(zhuǎn)換至CMYK、YUV顏色空間，圖像較原始RGB圖像清晰，驗(yàn)證本文方法轉(zhuǎn)換有效性。

通過本文方法轉(zhuǎn)換數(shù)字圖像的轉(zhuǎn)換完整率、轉(zhuǎn)換準(zhǔn)確率以及轉(zhuǎn)換用時評價本文方法對數(shù)字圖像的轉(zhuǎn)換性能。統(tǒng)計(jì)采用本文方法轉(zhuǎn)換圖像的轉(zhuǎn)換完整率，為直觀展示本文方法轉(zhuǎn)換性能，將本文方法與文獻(xiàn)[3]方法和文獻(xiàn)[4]方法對比，對比結(jié)果如表1所示。

表1 不同方法轉(zhuǎn)換完整率對比結(jié)果

通過表1實(shí)驗(yàn)結(jié)果可以看出，采用本文方法轉(zhuǎn)換數(shù)字圖像的顏色空間，轉(zhuǎn)換完整率均高于99%；而采用文獻(xiàn)[3]方法和文獻(xiàn)[4]方法轉(zhuǎn)換數(shù)字圖像的顏色空間，轉(zhuǎn)換完整率均低于90%，尤其是文獻(xiàn)[3]方法轉(zhuǎn)換數(shù)字圖像的顏色空間轉(zhuǎn)換完整率低至87.32%。實(shí)驗(yàn)結(jié)果說明采用本文方法可有效實(shí)現(xiàn)數(shù)字圖像顏色空間的全面轉(zhuǎn)換，轉(zhuǎn)換效率較高。

統(tǒng)計(jì)采用本文方法轉(zhuǎn)換數(shù)字圖像的轉(zhuǎn)換準(zhǔn)確率，并將本文方法與文獻(xiàn)[3]方法和文獻(xiàn)[4]方法對比，轉(zhuǎn)換準(zhǔn)確率對比結(jié)果如表2所示。

表2 不同方法轉(zhuǎn)換準(zhǔn)確率對比結(jié)果

通過表2實(shí)驗(yàn)結(jié)果可以看出，采用本文方法轉(zhuǎn)換數(shù)字圖像的顏色空間，轉(zhuǎn)換準(zhǔn)確率均高于99%；而采用文獻(xiàn)[3]方法和文獻(xiàn)[4]方法轉(zhuǎn)換數(shù)字圖像的顏色空間，轉(zhuǎn)換準(zhǔn)確率均低于99%，采用文獻(xiàn)[3]方法轉(zhuǎn)換數(shù)字圖像的顏色空間時，轉(zhuǎn)換準(zhǔn)確率低至87.54%；采用文獻(xiàn)[4]方法轉(zhuǎn)換數(shù)字圖像的顏色空間時，轉(zhuǎn)換準(zhǔn)確率低至86.52%。實(shí)驗(yàn)結(jié)果說明采用本文方法可有效實(shí)現(xiàn)數(shù)字圖像顏色空間的準(zhǔn)確轉(zhuǎn)換，再次驗(yàn)證本文方法的轉(zhuǎn)換性能。

實(shí)時性是數(shù)字圖像處理領(lǐng)域重要的評估指標(biāo)，統(tǒng)計(jì)采用本文方法轉(zhuǎn)換圖像的平均轉(zhuǎn)換時間，并將本文方法與文獻(xiàn)[3]方法和文獻(xiàn)[4]方法對比，對比結(jié)果如圖4所示。

圖4 不同方法平均轉(zhuǎn)換時間對比

通過圖4實(shí)驗(yàn)結(jié)果可以看出，采用本文方法轉(zhuǎn)換數(shù)字圖像顏色空間的平均轉(zhuǎn)換時間均在10ms之內(nèi)；而采用文獻(xiàn)[3]方法轉(zhuǎn)換數(shù)字圖像顏色空間的平均轉(zhuǎn)換時間高達(dá)27ms；采用文獻(xiàn)[4]方法轉(zhuǎn)換數(shù)字圖像顏色空間的平均轉(zhuǎn)換時間高達(dá)24ms，采用本文方法轉(zhuǎn)換數(shù)字圖像的顏色空間平均用時明顯低于文獻(xiàn)[3]方法和文獻(xiàn)[4]方法，說明本文方法不僅具有較高的數(shù)字圖像轉(zhuǎn)換性能，同時具有較高的轉(zhuǎn)換效率。

4 結(jié)論

計(jì)算機(jī)處理圖像過程中需要通過定量方法表示圖像顏色，數(shù)字圖像的色彩空間可有效描述數(shù)字圖像的顏色情況。色彩分析是數(shù)字圖像處理領(lǐng)域中常用的圖像分析方法，而數(shù)字圖像應(yīng)用于不同分析領(lǐng)域中需要利用不同的顏色空間，利用數(shù)字圖像的色彩空間轉(zhuǎn)換將數(shù)字圖像轉(zhuǎn)換至所需的顏色空間有利于數(shù)字圖像進(jìn)一步分析。

1)數(shù)字圖像不同的顏色空間在不同圖像處理領(lǐng)域中具有不同作用，可依據(jù)圖像處理目的將數(shù)字圖像轉(zhuǎn)換至所需的顏色空間，提升圖像處理效率。

2)本文利用Blob算法劃分?jǐn)?shù)字圖像三維空間的多特征，并將所劃分的數(shù)字圖像多特征聯(lián)合，實(shí)現(xiàn)三維數(shù)字圖像降維，便于數(shù)字圖像的顏色空間轉(zhuǎn)換。

3)通過大量仿真驗(yàn)證該方法不僅可有效實(shí)現(xiàn)數(shù)字圖像顏色空間轉(zhuǎn)換，并且轉(zhuǎn)換效率與轉(zhuǎn)換性能較高，可應(yīng)用于實(shí)際數(shù)字圖像轉(zhuǎn)換中。