纪　钢， 吴萍萍

( 重庆理工大学 计算机科学与工程学院,重庆　400054)



引用格式：纪钢， 吴萍萍.在HSV下的材料腐蚀特征区域颜色与边界量化处理[J].重庆理工大学学报(自然科学版)，2016(1):63-69.

Citation format：JI Gang, WU Ping-ping.Processing of Regional Color and Boundary Quantization About Material Erosion in HSV[J].Journal of Chongqing University of Technology(Natural Science)，2016(1):63-69.

在HSV下的材料腐蚀特征区域颜色与边界量化处理

纪钢， 吴萍萍

( 重庆理工大学 计算机科学与工程学院,重庆400054)

摘要：材料腐蚀特征机器评级涉及材料腐蚀特征区域颜色量化处理。在RGB空间获取材料腐蚀特征图像信息，通过HSV颜色空间描述该腐蚀特征区域的颜色值，采用非均匀量化方式将HSV颜色空间的3个分量根据人眼对色差的敏感度进行相应的量化。针对材料腐蚀特征区域颜色不均匀、特征边界颜色量化产生二义性问题，使用边界模糊量化处理方式来解决颜色量化边界的不相关问题，使得量化后的颜色更符合人的主观视觉感知，得到较好的视觉量化效果，满足腐蚀特征颜色等级的评定要求。

关键词：HSV颜色空间；颜色量化；边界模糊量化；材料腐蚀图像

工业产品的应用及设计离不开材料，在材料腐蚀研究中，对于材料腐蚀特征产物(如锈点、鼓泡、剥落等基础信息)，都将采用材料的外观图像信息来客观地记录及反映材料表面腐蚀状况、腐蚀产物的颜色特征。在材料腐蚀特征元数据的组成中，材料外观腐蚀图像信息是评价材料抗腐蚀性能最直观的重要信息[1]。该信息可以用来描述及确定材料腐蚀特征区域大小、面积、颜色等，是一种底层的基础图像信息，在图像信息标注中具有重要的作用。

图1为材料腐蚀特征锈蚀点图像信息。图像中的每个锈蚀点区域就是腐蚀特征区域。材料腐蚀特征信息的处理，一方面是对腐蚀特征区域颜色的处理；另一方面是对材料腐蚀特征的大小、面积及特征数量的处理。目前，对于材料腐蚀特征区域颜色用人工处理方式进行时，由于人眼对色彩的分辨率有限[2]，使得对颜色的细小变化及区域范围内颜色无法有效地辨识。人的视觉系统感知颜色特性的能力存在较大的局限性，造成对腐蚀特征区域颜色处理困难，边界颜色区分具有不确定性，从而无法准确确定腐蚀区域主颜色值。随着计算机技术及图像处理技术在材料腐蚀学科中的应用，使材料腐蚀特征处理逐步实现数字化处理，需要进行颜色值的量化处理[3]。另外，材料表面由于受腐蚀程度不同，材料腐蚀特征区域颜色变化并不均匀、单一[4]，使用机器进行材料腐蚀特征边界颜色量化会产生二义性问题[5]，在边界处理中有可能出现某些颜色信息丢失或颜色无差别等问题。因此，寻找一种有效的腐蚀特征区域颜色处理方法十分必要。

1材料腐蚀特征区域颜色量化

1.1材料腐蚀特征区域颜色与HSV颜色空间

通过图像采集硬件系统获取材料腐蚀特征图像信息，用*．BMP文件格式进行存储。对于如图1所示的材料腐蚀特征原图，需要处理特征区域颜色信息。为更好地理解图像信息及其中的特征区域颜色，需将腐蚀特征区域图像分离出来。图像分割是指按照区域一致性准则将图像分成若干个特定的、具有独特性质的区域，这些区域互不交叉，每一个区域均满足特定区域的一致性。材料腐蚀区域的腐蚀程度不同，在用阈值分割处理时，对特征图像的局部信息选择几个合适的灰度阈值，将图像分割成多个目标与背景的区域。在使用自适应阈值分割腐蚀特征信息时，可提取不同的腐蚀特征区域，并且对这些腐蚀特征区域进行相应编号。对于亮度不均匀的图像分割，可先将特征图像进一步细分为N×N的子图像，使每个子图像内的亮度尽量均匀，然后在每个子图像内确定各自的阈值来进行特征信息的分割处理。

针对图1所示的材料腐蚀特征锈蚀点，需要确定材料腐蚀特征点区域的主颜色值。如果采用材料腐蚀特征颜色匹配处理方式，可通过颜色池来选定样本的基本颜色特征。若两幅材料腐蚀图像Ii和Ij的直方图为Hi和Hj，则一般颜色直方图匹配的计算方法为

(1)

对于RGB空间，图像颜色是由不同亮度的R(红)、G(绿)、B(蓝)三基色组成，式(1) 可改写为

(2)

在颜色直方图匹配中，由于直方图会丢失颜色的位置信息，故在实际处理中可将图像划分成若干子块，分别对各子块进行匹配，用各子块的直方图在一定程度上反映颜色的位置特征。

颜色是一种能简化目标提取和分类的重要描述符，选择合适的颜色表达方式是材料腐蚀特征颜色处理非常重要的一步。同时，对颜色的特征描述依赖于所用的颜色空间， 并不是所有的颜色空间都与人的视觉相一致[6]。颜色空间大致可分为RGB空间、CMY空间、CIE空间、HSV空间等。颜色与人的视觉关系紧密，HSV颜色空间对应画家配色模型，能较好地反映人对颜色的感知能力和鉴别能力，即人类视觉感官对色彩的理解方式[7-8]。此外，不同颜色在HSV空间中的欧式距离与视觉感官距离大体一致[9]，具有较好的区分度。由于材料腐蚀特征颜色的评定与人的视觉关系密切，所以在HSV空间下进行材料腐蚀特征颜色处理。对于HSV颜色空间，使用色度(h)、饱和度(s)及亮度(v)分离的方式实现颜色的定量描述。h表示色彩信息，即所处的光谱颜色的位置，取值范围为0°～360°；s取值范围为0.0～1.0，当s=0时，只有灰度，值越大，颜色越饱和；v表示色彩的明亮程度，取值范围为0.0(黑色)～1.0(白色)，它与光强度之间无直接联系[10-11]。目前，由于硬件技术的关系，材料腐蚀特征原始图像信息的获取主要采用RGB颜色空间。考虑到材料腐蚀特征原始图像信息为RGB格式，需要把RGB空间的色彩转化到HSV空间，将r、g、b归一化到0到1之间，再从归一化后的r、g、b值计算h、s、v的值[12]，变换方法为：

1)v=max(r、g、b)

2) 令mid=v-min′(r、g、b)

经过上述变换后，h∈[0,360]，s∈[0,1]，v∈[0,1]。其中：定义h、s、v为RGB空间颜色转换到HSV空间的连续值， 而H、S、V是3个分量量化后的离散值。

1.2在HSV下的腐蚀特征颜色量化处理

材料腐蚀特征颜色评价的标准是能否有效确定腐蚀特征区域的颜色值，根据不同的颜色值来确定材料腐蚀特征等级。在常规人工处理中，对区域特征颜色采用对比颜色板近似的方式确定该区域是什么主颜色值。目前，人眼可以识别的可见光颜色有红、橙、黄、绿、青、蓝、紫等基本色以及这些颜色的中间色，约有120种颜色。材料腐蚀特征区域颜色值量化的目的是解决人工记录材料腐蚀特征颜色存在的主观性和非智能化问题。因此，进行颜色量化后的颜色等级必须大于人眼可识别的颜色种类。

1.2.1颜色量化

颜色量化是从一个较大的颜色集合映射到一个较小颜色集合里。在HSV颜色空间中，将HSV颜色空间的3个分量根据人眼对色差的敏感度进行相应的量化。色调H和饱和度S用来反映颜色的种类和颜色的深浅程度，在人的视觉判断中起主要的影响作用。色调H在颜色轮上用颜色名称来辨别。色调H的分布图如图2所示，其采用角度度量范围为0°～360°。颜色沿着一个圆周均匀分布，其余的次要颜色则位于主要颜色之间。人眼对饱和度S的变化比较敏感，即人眼比较容易感受到颜色的深浅变化，特别是在颜色纯度较高时，加入大约2%左右的白光后人眼就能分辩出颜色的变化[6]。亮度V的变化值与图像的彩色信息无关，但对于光亮度大(靠近白色)及光亮度低(靠近黑色)的颜色，饱和度S的取值都很小。

图2　色调H分布图

1.2.2非等间隔量化处理

考虑HSV颜色空间的特点，在基于HSV颜色空间所进行的材料腐蚀特征颜色量化处理是将HSV颜色空间的3个分量根据人眼对色差的敏感度进行量化。在将材料腐蚀图像特征区域的多数颜色根据人眼的视觉效果量化为较少数目的颜色时[13]，由于腐蚀特征区域颜色非均匀分布，故在HSV颜色空间中进行非等间隔量化处理，其步骤为：

1) 设亮度v<0.2的颜色定为黑色，其一维特征矢量L=0；

2) 对于饱和度s<0.1且亮度v>0.2 的颜色，按亮度划分为3种颜色，分别表示深灰(0.2，0.5)、浅灰(0.5，0.9)和白色(0.9，1)，L分别为1、2、3 ；

3) 考虑色调h的角度度量范围为0°～360°。从0到360变化时色调依次呈现，但每一种色调对应的H分量区间不均匀，体现在三基色所在的空间较大，与人的视觉模型相似[14]。这是由于物体的颜色与光的波长和频率有关，不同的色光在真空中的波长和频率范围是不一样的[15]。根据色调的分布图，通常把色调量化为8份或者16份，由于人眼能识别的颜色种类为120，量化成8份所获得的颜色种类小于120。因此，本文将h通道量化为不等间隔的16 份。在对h做具体的量化处理时，当h落在[0,15]或[345,360]时，H量化为0；当h落在[15,25)、[25,45)、[45,55)、[55,80)、[80,108)、[108,140)、[140,165)、[165,190)、[190,220)、[220,255)、[255,275)、[275,290)、[290,316)、[316,330)、[330,345)时，H依次量化为1,2,3,…,15。

4) 对于饱和度S和亮度V非等分为3份。其中，饱和度S划分为暗色(0.1,0.5)、淡色(0.5，0.9)和明色(0.9，1)；亮度V划分为低调(0.2，0.5)、中调(0.5,0.75)和高调(0.75，1)。对S、V的量化处理为：

5) 根据H、S、V的量化级及频带宽度，其一维特征矢量L的组合方式为

L=HQvQs+QvS+V

(3)

其中：Qv和Qs分别是分量S和V的量化级数，按上述处理方式定为：Qv=3，Qs=3。

2边界颜色量化处理

通过在HSV颜色空间对腐蚀特征颜色进行非均匀量化处理，其一维特征矢量L的取值范围由公式(3)可确定在[0,1,…,149]。如果h的量化值恰好在量化边界或者量化边界的附近时，该值只能归入一种颜色中，对于另一种颜色无意义，这样就割裂了相近颜色的相关性。由于材料腐蚀特征区域颜色的不均匀性，以及其颜色仍然相近的特点，使得对腐蚀特征区域主颜色的处理产生一定的误差。假如，当h=25，s,v>0.2时，颜色处于红色和橙色交界处，按照使用的量化方法，H只能为1(橙色)；但当h=24，s,v>0.2不变时，此时H的量化值却为0(红色)。因此，当h=25或h=24时，经过量化处理后变为2种颜色，在对边界颜色进行量化处理后将产生二义性问题。

一般情况下，色调H是最为重要的分辨性视觉特征，同时颜色之间的差异主要由颜色色调的差异描述，故为解决区域颜色在量化中对材料腐蚀特征颜色评定带来的误差，应对边界进行模糊量化处理[4]。即对H分量进行相应的量化处理，而对S和V分量的量化方法不变，其处理方法如下：

1) 在H分量量化后的16个不等份中， 每份都规定一个中心域，即[hi+Δi,hi+1-Δi]。

2) 对要进行量化的像素，当其h分量落在相应颜色的中心域时，其H值直接量化为上述量化规则中相对应的数值。

3) 当H分量的值并没有落在中心域时，也就是h值落在上述量化图的边界点hi或边界点的附近即(hi,hi+Δi)或(hi+1-Δi,hi+1)时,使用映射函数将其映射为与边界2个颜色相关的某个值，使得边界两边的颜色都对当前量化值产生相应的贡献。在图3中，假设h1、h2、h3分别是上述量化方法中的量化边界，即当h在(h1,h2]时，H(h)=k；当h在(h2,h3]时，H(h)=k+1。

图3　色调H分布图

5) 当h∈[hi+Δi,hi+1-Δi] 时(即某种颜色对应的中心域)，则H(h)=k；当h处于2种颜色交界点附近时，有2种情况：

当h∈(h1,h1+Δ1)时,Hnew(h)根据公式Hnew(h)=ω1×(k-1)+ω2×k获得；

当h∈(h2+Δ1,h2)时,Hnew(h)根据公式Hnew(h)=ω1×(k+1)+ω2×k获得；

其中：Hnew(h)表示按新规则量化后的H分量值，ω1、ω2是权值。根据色调交界处的2种色调对邻域内色调的贡献程度，具体计算方式为：

当d1=h-(h1+h2)/2，d2=h-(h+h15)/2；当ω1=d1/(d1+d2)，ω2=d2/(d1+d2)。

对于每个要量化的像素都需实时计算其权值，这样必然增加计算的复杂度。为了减少计算时的复杂度，对权值ω1、ω2赋予确定值，针对材料腐蚀特征图像信息的特点，经过实验，选取ω1=0.4、ω2=0.6。其一维特征矢量式(3)可表示为

L=round(HQvQs+QvS+V)

(4)

此时，对于处在分界点附近颜色的一个分量，本文将其模糊量化到2个分量区间。因此，在三维HSV颜色空间中，一种颜色可能会被模糊量化到2k(k∈[1,3])个不同区间。经过隶属部分的计算，便获得该颜色在每个量化区间中所占的比例。在彩色直方图统计时，将颜色在特征中所占比例根据隶属关系分配到各个量化区间，得到改进的色彩直方图，为主颜色权值的提取提供数据基础。

3实验结果

实验平台在win8系统的Matlab2010上实现。所采用的图片素材(图1)由重庆五九研究所提供。本文针对图1锈蚀图像进行锈点特征提取，如图4所示。其中：图4(a)为图1中的一个腐蚀锈点，经过自适应阈值取值获得图4(b)的二值图，图4(c)则为提取的该锈点特征图。图5为特征的H分量的直方图。对该特征颜色进行未改进量化算法处理和本文量化算法处理，如图6、7所示。图6中直接量化H，不进行边界颜色处理，即未改进量化算法；图7为本文改进的颜色量化算法，即量化边界应用模糊化处理。

图4　腐蚀特征提取

图5　H未量化的直方图

由图6可知：在量化过程中，未进行相应的边界处理已造成颜色信息丢失。由图7可知：经过边界模糊处理的H直方图更加匹配图5中原始的H直方图。图6在15～20有1个凹点，在图7中能体现出这个凹点，使改进后的量化算法能匹配原始H直方图，更加符合人眼感知。较小的特征点颜色复杂度较低，因此本文选取图1中3个比较大的腐蚀，分别使用未改进量化算法和边界模糊处理量化来获得主颜色值，实验数据见表1、2。

图6　未改进的H量化直方图

原始特征均值算法获得主颜色(RGB)未改量化算法主颜色(RGB)ΔE本文改进的改量化算法主颜色(RGB)ΔE腐蚀特征1135,112,108134,111,1082.0803134,112,1081.7227腐蚀特征2134,112,110135,111,1090.1856134,112,1110.0389腐蚀特征3145,120,113144,121,1141.3891145,119,1131.0788

表2　实验2的数据统计

实验结果显示：使用量化算法与均值算法所获的特征颜色色差ΔE均小于3，表明在人类的视觉中2种颜色仅有细微的差别；有的甚至<1.5，表明在人类的视觉中2种颜色无差别。均值算法对噪声非常敏感，因此本文在实验2中仅采用未改进量化算法和本文的改进量化算法对加入噪声的腐蚀特征进行色差对比。从表2可知：改进后的量化算法有更优的抗噪性能，ΔE均小于1.5，两种颜色在人类视觉中无差别。

由此可见，通过本文的颜色量化方法及解决边界颜色的处理方式对材料腐蚀特征区域颜色进行量化所获得的颜色特征，与原始的材料腐蚀特征区域的颜色更加匹配，颜色失真更小，可使后期颜色提取所获得颜色更加接近特征本身颜色，同时具有更好的抗噪性，有利于后期对腐蚀颜色等级的评价。

4结束语

针对材料腐蚀图像的腐蚀特征区域的颜色值，在HSV颜色空间中，对HSV的3个分量进行量化处理，考虑特征区域颜色边界量化产生的二义性，使用改进的边界模糊量化处理方法解决该问题，从而降低根据颜色进行腐蚀特征等级评定所产生的误差，获得了更好的抗噪性能。仿真结果表明：改进的边界模糊颜色量化效果在增加颜色之间相关性的同时，与腐蚀特征原图更加匹配，颜色失真更小，降低了后期腐蚀等级评价时的误差，提高了腐蚀等级评价的准确度。

参考文献：

[1]纪钢,彭丽丽,王平.基于腐蚀产物颜色分析的材料腐蚀程度评定方法[J].重庆理工大学学报(自然科学版),2012,07:69-73.

[2]章毓晋.基于内容的视觉信息检索[M].北京:科学出版社，2003：57.

[3]OMRAN M，ENGELBRECHT A．A color image quantization algorithm based on particle swarm optimization[J]．Informatica，2005，29(3)：261-269．

[4]龚应忠,李子存,冯新泸,等.基于颜色特征的铜片腐蚀结果评价[J].腐蚀与防护,2013(2):117-120.

[5]常小红,濮黄生,见伟平.一种基于HSV颜色空间模糊量化的图像检索方法[J].医疗卫生装备,2011(4):19-22.

[6]徐旭．基于视觉特征的图像检索系统研究[D]．杭州：浙江大学，1999．

[7]侯方,姜秀华.图像检索中颜色特征提取方法的研究[J].中国传媒大学学报(自然科学版),2013,05:35-40.

[8]方珍红,谢明元,杨玲.一种新的基于加权颜色特征的图像检索算法[J].激光与红外,2013,04:471-474.

[9]刘广海.基于颜色体积直方图的图像检索[J].计算机科学,2012,39(1):273-275.

[10]曹莉华,柳伟,李国辉.基于多种主色调的图像检索算法研究与实现[J].计算机研究与发展,1999，36(1):96-100.

[11]ZHANG Lei,LIN Fuzong,ZHANG Bo.A CBIR method based on color spatial feature.Proceeding of the IEEE Regio 10 conference (TENCON90),1999:166-169.

[12]方俊,郭雷,汪子强.一种改进的基于颜色-空间特征的图像检索方法[J].计算机工程与应用,2005，25:68-70.

[13]张永库,李云峰,孙劲光.综合颜色和形状特征聚类的图像检索[J].计算机应用,2014(12):3549-3553.

[14]庞子龙,李佩琛.基于视觉感知的非均匀颜色模糊量化算法研究[J].电脑知识与技术,2009,22:6276-6277.

[15]曹建芳,陈俊杰,赵青杉.一种改进的HSV颜色空间量化方法及其应用[J].南京师范大学学报(工程技术版),2014(2):68-73.

(责任编辑杨黎丽)

Processing of Regional Color and Boundary Quantization

About Material Erosion in HSV

JI Gang, WU Ping-ping

(College of Computer Science and Engineering,

Chongqing University of Technology, Chongqing 400054， China)

Abstract:The area of material corrosion feature involves the color quantization processing when level the machine rating corrosion. The information of material corrosion feature image obtained in RGB space, according to the sensitivity of the human eye to color the corresponding quantitative, used non-uniform quantization to the three components that through HSV color space to describe the color about material corrosion feature. Against the unevenness of material feature color and the ambiguity problem of the border color to quantify, the processing of fuzzy boundaries quantization was used to solve problem which boundary color quantization was not relevant. The color after that processing of quantitative color with fuzzy boundary is more close to people’s subjective visual perception and obtains a better visual quantization effect, which meets the evaluation of the color grade on the corrosion feature.

Key words：HSV color space; color quantization; boundary fuzzy quantization; material corrosion image

文章编号：1674-8425(2016)01-0063-07

中图分类号：TP391.41

文献标识码：A

doi:10.3969/j.issn.1674-8425(z).2016.01.011

作者简介：纪钢(1958—)，男，河南淇县人，教授，硕士生导师，主要从事信息控制、图像处理、数据库技术研究；吴萍萍(1990—)，女，福建泉州人，硕士研究生，主要从事图像处理、计算机应用技术等研究。

基金项目：原国防科工委项目(H102006A004).

收稿日期：2015-09-24