基于Ohta颜色空间的火焰分割

本文介绍了一种基于OHTA颜色空间的火焰分割方法。该方法利用OHTA颜色空间的线性特性及各分量间的独立性,通过Otsu阈值法自动确定最佳分割阈值,实现不同环境下火焰的有效分割。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1、Ohta颜色空间

Ohta在1980年发表的论文[1]中,通过对8幅不同色彩的图像进行区域分割的系统实验,从中获得了一套有效的颜色特征,并归纳总结为一组正交颜色特征集,我们称之为OHTA颜色空间。OHTA颜色空间可由R、G、B经过线性变换得到。不会出现像HIS、HSV等非线性颜色空间在与RGB颜色空间进行转换时出现的色彩奇异性等问题。而且OHTA颜色空间中的计算简单,各分量之间相互独立。因此其对彩色图像的分割具有非常好的效果。

    OHTA色彩空间的表达方法有两种:

上式中是OHTA颜色空间的正交特征。当上述3个特征用于彩色图像分割时,通常只通过就能很好的分割色彩特征。其中是最佳特征,是次佳特征。模型的一种变型是模型,其中

2、基于otha颜色空间的火焰分割

由于火焰特殊的色彩分布特征,决定了火焰的颜色不是一个确定的值,而是一个取值范围。因此在很多色彩空间中对火焰的分割都是通过大量实验设定各个分量的取值范围,然后分量之间求交集,从而得出具有火焰颜色的区域。但是在周围环境的颜色与火焰颜色相近时,容易导致非火焰区域被误认为火焰。因此我们设想是否可以通过找到一个最佳的分割阈值来更准确的分割出火焰。

Otsu阈值选取法就是根据图像的灰度特性在图像的背景和目标两部分之间自适应的寻找最佳分割阈值,从而更精确的分割出目标图像。但是通过对四幅复杂环境中含有火焰的灰度图像的直方图观察发现,大都表现为多峰的,如下图a :

因此即使确定出最佳分割阈值,分割出的火焰区域也会含有假火焰区域。火焰的颜色整体是偏向红色,因此红色分量占的比重最大。因此设想是否可以用Otsu方法在图像的红色分量灰度图中通过确定最佳分割阈值来分割火焰。通过实验验证图像的红色分量图的直方图也具有多峰特性,如图 b。

色彩空间的选择对火焰区域的色彩分布特征分析影响很大。从RGB空间到OHTA空间的转换是线性的,而OHTA颜色空间三个正交颜色特征相互独立,特征的直方图(如图c),表现为单峰或双峰特性。因此得出能够通过Otsu方法得到火焰分割的最佳阈值的结论。因此本文选用OHTA颜色空间进行火焰的分割。经过实验发现火焰在OHTA颜色空间中的取值范围在时,对火焰强度的分割效果最好。而特征最适合火焰的分割。

本文算法的基本思想为:

1.通过公式(1)把RGB彩色图像转换为OHTA色彩空间内各个颜色特征的灰度图像,即分量灰度图像。

2.对进行的高斯平滑处理后,采用最大类间方差法(Otsu算法)对分量灰度图像进行二值化。

3 由固定阈值100对进行二值化。

4.对步骤2和3进行与运算获得火焰区域的二值图像。

通过上述四个步骤就可以准确的获得火焰的区域。

为了体现本文算法对火焰分割上的优越性,本文选取了四幅不同环境下不同亮度的火焰图片进行实验。结果如下图:

                    

图d和图e是由原图和原图的分量I2的灰度图、二值图和与原图结合得到的结果图

                   

图f和图g是由原图和原图的分量I2的灰度图、二值图和与原图结合得到的结果图

如上四幅图所示:得到的对火焰的分割效果都很好。

图(d)的适应分割阈值为34,图(e)的自适应分割阈值为23,图(f)的自适应分割阈值为41,图(g)的自适应分割阈值为17.由此可见不同环境不同火焰强度情况下,对分量灰度图的自适应分割阈值也不同。因此证明了本节开始所述的用不同颜色空间下各分量设定取值范围的方法对火焰的分割不是很有效的。

参考文献:

[1] OhtaYu Ichi, Kanade Takeo. Colorinformation for region segmentation. Computer Graphics and ImageProcessing,1980,13(3):222~241

[2]N.Otsu,“A Threshold Selection Method from Gray- LevelHistograms,” IEEE Transactionson Systems, Man, and Cybernetics, vol. 9, no. 1, pp. 62-66, 1979.

1. Ashkin, A. (1997). Optical trapping and manipulation of neutral particles using lasers. Proceedings of the National Academy of Sciences, 94(10), 4853-4860. 2. Svoboda, K., & Block, S. M. (1994). Biological applications of optical forces. Annual Review of Biophysics and Biomolecular Structure, 23(1), 247-285. 3. Grier, D. G. (2003). A revolution in optical manipulation. Nature, 424(6950), 810-816. 4. Marago, O. M., Jones, P. H., Gucciardi, P. G., Volpe, G., & Ferrari, A. C. (2013). Optical trapping and manipulation of nanostructures. Nature Nanotechnology, 8(11), 807-819. 5. Galajda, P., & Ormos, P. (2001). Complex micromachines produced and driven by light. Applied Physics Letters, 78(2), 249-251. 6. Wang, Y., & Wang, M. (2017). Optical tweezers and their applications in cell and molecular biology. Acta Biochimica et Biophysica Sinica, 49(10), 877-887. 7. Neuman, K. C., & Block, S. M. (2004). Optical trapping. Review of Scientific Instruments, 75(9), 2787-2809. 8. Chiou, P. Y., Ohta, A. T., & Wu, M. C. (2005). Massively parallel manipulation of single cells and microparticles using optical images. Nature, 436(7049), 370-372. 9. Ding, X., Lin, S. C. S., & Kiraly, B. (2012). On-chip manipulation of single microparticles, cells, and organisms using surface acoustic waves. Proceedings of the National Academy of Sciences, 109(28), 11105-11109. 10. Huang, Y., & Ashkin, A. (1993). Forces of a single-beam gradient laser trap on a dielectric sphere in the ray optics regime. Biophysical Journal, 64(6), 1786-1802.
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值