如何检测彩色照片的边缘？

Question

我正在尝试实现 Mathworks 网站上的盲反卷积算法示例，但在进行边缘检测时我遇到了问题，因为您不能对 RGB 照片使用边缘检测功能。所以我将照片转换为 YUV，但在此之后我不知道我应该按什么顺序进行处理，我什至不知道我是否使用了正确的方法。

我为所有三个 (y,u,v) 应用了 edge() 函数，然后我使用 YUV 到 RGB 方法再次组合它们。没用，我无法获得最终的 WEIGHT 值。

我的代码如下，示例链接位于http://www.mathworks.com/help/images/deblurring-with-the-blind-deconvolution-algorithm.html。

Img = imread('image.tif');
PSF = fspecial('motion',13,45); 
Blurred = imfilter(Img,PSF,'circ','conv'); 
INITPSF = ones(size(PSF));
[J P] = deconvblind(Blurred,INITPSF,30);

%   RGB to YUV
R=Img(:,:,1); G=Img(:,:,2); B=Img(:,:,3);
Y=round((R+2*G+B)/4);
U=R-G;
V=B-G;

% finding edges for Y,U,V
WEIGHT1 = edge(Y,'sobel',.28);
se1 = strel('disk',1);
se2 = strel('line',13,45);
WEIGHT1 = ~imdilate(WEIGHT1,[se1 se2]);
WEIGHT1 = padarray(WEIGHT1(2:end-1,2:end-1),[1 1]);

WEIGHT2 = edge(U,'sobel',.28);
se1 = strel('disk',1);
se2 = strel('line',13,45);
WEIGHT2 = ~imdilate(WEIGHT2,[se1 se2]);
WEIGHT2 = padarray(WEIGHT2(2:end-1,2:end-1),[1 1]);

WEIGHT3  = edge(V,'sobel',.28);
se1 = strel('disk',1);
se2 = strel('line',13,45);
WEIGHT3 = ~imdilate(WEIGHT3,[se1 se2]);
WEIGHT3 = padarray(WEIGHT3(2:end-1,2:end-1),[1 1]);


% YUV to RGB again
G=round((WEIGHT1-(WEIGHT2+WEIGHT3)/4));
R=WEIGHT2+G;
B=WEIGHT3+G;
WEIGHT(:,:,1)=G; WEIGHT(:,:,2)=R; WEIGHT(:,:,3)=B;

P1 = P;
P1(find(P1 < 0.01))= 0;

[J2 P2] = deconvblind(Blurred,P1,50,[],double(WEIGHT));
figure, imshow(J2)
title('Newly Deblurred Image');
figure, imshow(P2,[],'InitialMagnification','fit')
title('Newly Reconstructed PSF')  

Answer 1

最终形式的代码如下，

Img = imread('image.tif');
PSF = fspecial('motion',13,45);
Blurred = imfilter(Img,PSF,'circ','conv');
INITPSF = ones(size(PSF));
[J P] = deconvblind(Blurred,INITPSF,30);

eRed = edge(Img(:,:,1), 'sobel');
eGreen = edge(Img(:,:,2), 'sobel');
eBlue = edge(Img(:,:,3), 'sobel');
WEIGHT = eRed | eGreen | eBlue;
se1 = strel('disk',1);
se2 = strel('line',13,45);
WEIGHT = ~imdilate(WEIGHT,[se1 se2]);
WEIGHT = padarray(WEIGHT(2:end-1,2:end-1),[1 1]);
figure
imshow(WEIGHT)
title('Weight Array')

P1 = P;
P1(find(P1 < 0.01))= 0;

WEIGHT2 = repmat(WEIGHT,[1 1 3]);
WEIGHT3 = im2double(WEIGHT2);

[J2 P2] = deconvblind(Blurred,P1,50,[],WEIGHT3);
figure, imshow(J2)
title('Newly Deblurred Image');
figure, imshow(P2,[],'InitialMagnification','fit')
title('Newly Reconstructed PSF')

我还不能发布图片。所以我给出了输出链接。最后一个输出，新恢复，有问题，正如我在照片标题中指出的那样。我猜，仍然存在数据类型问题。 输出链接http://imgur.com/a/dDF2N

Answer 2

我不会在这里讨论deconvblind 去模糊，但让我向您展示彩色图像的边缘检测是如何工作的。

% load an image
I = imread('peppers.png');

% note that this is a RGB image. 
e = edge(I, 'sobel');  

会失败，因为 edge 想要一个 2D 图像，而 RGB 或 YUV 图像是 3D 的，因为第三维是颜色通道。

有几种方法可以解决此问题。一种是将图像转换为灰度，使用

gray = rgb2gray(I);

然后可以将其传递到边缘，以根据“gray”中的灰度强度返回边缘。

e = edge(gray,'sobel'); % also try with different thresholds for sobel.

如果您真的对每个通道中的边缘信息感兴趣，您可以简单地将各个通道分别传递到边缘。例如，

eRed = edge(I(:,:,1), 'sobel'); % edges only in the I(:,:,1): red channel.
eGreen = edge(I(:,:,2), 'sobel');
eBlue = edge(I(:,:,3), 'sobel');

然后根据这些eRed、eGreen 和eBlue 的外观，您可能会使用逻辑“或”进行组合，这样如果任何通道独立思考，结果就是优势这是一个优势。

eCombined = eRed | eGreen | eBlue;

您最初所做的可能是无意的，因为 YUV 色彩空间会扭曲边缘感。 R 平面中的边缘可能不是 Y、U 或 V 平面中的边缘，因此您需要确保使用正确的色彩空间来检测边缘，以便之后可以将它们组合起来，如图所示早先的 RGB 颜色空间。