canny边缘检测原理_canny边缘检测优点_canny称重使用方法(3)

distance(g1,g2) 表示两点之间的距离。实际上w是一个比例系数，这个比例系数可以通过梯度方向(幅角的正切和余切)得到。

右边图中的4个直线就是4个不同的情况，情况不同，g1、g2、g3、g4代表c的八领域中的4个坐标会有所差异，但是线性插值的原理都是一致的。

代码如下：

5双阈值的选取。

双阈值的选取是按照直方图来选择的，首先把梯度幅值的直方图（扯点题外话：梯度的幅值直方图和角度直方图也是SIFT算子中的一个环节）求出来，选取占直方图总数%多少（自己定，代码中定义70%）所对应的梯度幅值为高阈值，高阈值的一半为低阈值，这只是一种简单策略。也可以采用其他的。

代码如下：

6 边缘检测,也即是根据步骤5得到的双阈值进行连接。

首先判断该点是否超过高阈值，然后判断该点的8邻域点中寻找满足超过低阈值的点，再根据此点收集新的边缘，直到整个图像边缘闭合。整个图像找完后，将非边缘点剔除，即灰度值置0.

代码如下：

其中，邻域跟踪算法给出了两个，一种是递归，一种是非递归。

递归算法。解决了堆栈溢出问题。之前找了很多canny代码参考，其中有一个版本流传很广，但是对于大图像堆栈溢出。

非递归算法。如下：

到此，整个算法写完了。打击下信心，整个算法跑起来没问题，但是没有opencv 的cvCanny 一个函数效果好。分析了下原因，一个是梯度算子选的太简单，opencv一般选用的是3*3 sobel。二是边缘连接性还是不够好，出现了很多断的，也就是邻域跟踪算法不够好。希望有高手能改进。

附上代码：

整篇博客参考过网上很多canny算法的总结，在此谢过！

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-34002-3.html