[直接在matlab中致电canny]

Canny边缘检测算子是边缘函数中的边缘检测算法. 具体的调用格式如下:

（1）edge（I，'canny'，Thresh，sigma）;

I: 输入图像；

‘edge’: 指定所使用的边缘检测运算符为“ canny”运算符；

Thresh: 这是一个具有两个或一个元素或为空的矩阵. 当包含两个元素时，它们分别指示canny运算符的上限和下限（均大于0且小于1）；仅当设置一个值时，该值是上限阈值，下限阈值指定为上限阈值的0.4倍. 当Thresh矩阵为空时，该算法通过假设无边界像素的数量不超过像素总数的70％来发现. 设置了上限，将下限指定为下限的0.4倍.

Sigma: sigma指定算法使用的高斯模板滤波的标准偏差. 如果未指定sigma，则默认值为1；

（2）edge（I，'canny'，Thresh，）;

这时，每个参数的含义与上面相同，给出sigma，算法给出默认值1.

（3）edge（I，'canny'）;

这时，没有给出Thresh和sigma. 阈值由算法生成. sigma的默认值为1.

Canny算法的实现:

（1）图像平滑（去噪）

算法指定GaussianDieOff = .0001;构造一个高斯函数exp（-（pw. * pw）/（2 * ssq）），其中pw = 1: 30和ssq = sigma ^2. 在函数中找到最后一个pw，该值大于GaussianDieOff的值函数，然后将一维高斯滤波器模板的宽度设置为2pw +1，但是如果ssq的值太小，则pw的值可能不存在. = 3;

在获得高斯模板宽度的情况下，请使用高斯函数exp（-（t. * t）/（2 * ssq））/（2 * pi * ssq）生成一维高斯滤波模板

获取一维高斯滤波模板后，使用一维模板对原始图像执行行（x方向）滤波，然后执行列（y方向）滤波以获得平滑图像aSmooth.

（2）求出平滑图像中每个点的梯度大小

获得平滑图像后，使用高斯函数dgau2D = -x的一阶差分模板dgau2D. * exp（-（x. * x + y. * y）/（2 * ssq））/（pi * ssq）分别计算x和y方向的偏导数:

ax =过滤器（aSmooth，dgau2D，“ conv”，“复制”）；

ay =过滤器（aSmooth，dgau2D'，'conv'，'复制'）；

然后计算并归一化每个像素的梯度大小:

mag = sqrt（（ax. * ax）+（ay. * ay））;

magmax = max（mag（: ））;

mag = mag / magmax;

在Thresh = []的情况下，算法提供Thresh时将使用此处的mag.

（3）梯度幅度的非最大抑制

将梯度方向划分为8个小区域，并将这8个小区域中关于中心像素点对称的区域合并为4 1（1），2（2），3（3）的大区域），4（4），属于区域1（1）的像素在x方向上的部分ix和在y方向上的部分导数iy应该满足（iy <= 0＆ix> -iy）| （iy> = 0＆ix <-iy）[y正面方向（向下），x正面方向（左）]

相同:

区域2（2）: （ix> 0＆-iy> = ix）| （ix <0＆-iy <= ix）

区域3（3）: （ix <= 0＆ix> iy）| （ix> = 0＆ix

区域4（4）: （iy <0＆ix <= iy）| （iy> 0＆ix> = iy）

对于划分区域后的像素，请使用函数语句:

v = mod（idx，m）;

extIdx =（v == 1 | v == 0 | idx <= m |（idx>（n-1）* m））;

idx（extIdx）= [];

删除图像周围的边界点.

对于属于区域1（1）的像素: 插值右侧像素的梯度幅度和右上角的梯度，以获得梯度幅度g1和左像素的梯度梯度幅度对左下角点的θ进行插值以获得梯度幅度g2（插值参数是与梯度方向相对应的切线值的绝对值）. 当将g1与g2和原始像素的振幅g进行比较时，如果g不小于g1和g2，则像素点梯度是局部最大值点并且被保留. 否则，像素将被丢弃（抑制）. 也就是说，仅保留局部最大值.

对区域2（2），3（3），4（4）中的像素执行类似的操作.

（4）双阈值

在非最大抑制之后，将每个像素的梯度大小与下限阈值进行比较. 保留大于下限的阈值，其余的丢弃以获取弱边界. 与上限阈值相比，该值将保留在上限阈值之上，其余的将被丢弃以获得强边界. 然后使用函数bwselect（e，cstrong，rstrongcanny算子边缘检测 matlab，8）和bwmorph（e，“ thin”，1）链接强边界和弱边界的边缘. 具体方法是:

扫描强边界. 当遇到一个非零的灰色像素p（x，y）时，将跟踪以p（x，y）为起点的轮廓线canny算子边缘检测 matlab，直到轮廓线q（x，y）的终点为止.

检查点s（x，y）的8个相邻区域，该区域与q（x，y）在弱边界中的强边界中的位置相对应. 如果在s（x，y）点的8个相邻区域中存在非零像素s（x，y），则将其作为r（x，y）点包含在强边界中. 从r（x，y）开始，重复第一步，直到我们不能同时在强边界和弱边界上进行.

完成连接包含p（x，y）的轮廓时，将此轮廓标记为已访问. 返回第一步，寻找下一条轮廓线. 重复上述操作，直到在强边界中找不到新的轮廓线为止.

这完成了canny运算符的边缘检测.

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/jisuanjixue/article-154196-1.html