canny 算子实现图像边缘检测（详细过程附源码Word文档下载推荐.docx
《canny 算子实现图像边缘检测（详细过程附源码Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《canny 算子实现图像边缘检测（详细过程附源码Word文档下载推荐.docx（12页珍藏版）》请在冰豆网上搜索。
i=imread（'
light.jpg'
）;
k=rgb2y（i）;
%获取h分量，即亮度分量
根据边缘的定义，边缘检测的目的是标识数字图像中亮度变化明显的点。
（参考维基百科）；
又根据公式Brightness=0.3*R+0.6*G+0.1*B；
计算出亮度分量y;
functionk=rgb2y（z）
%i必须为rgb三维矩阵
[m,n,p]=size（z）;
k=zeros（m,n）;
z=double（z）;
fori=1:
m
forj=1:
n
k（i,j）=0.3*z（i,j,1）+0.6*z（i,j,2）+0.1*z（i,j,3）;
end
end
functionj=gaosi（i）;
%i必须为二维double矩阵
j=i;
[h,w]=size（i）;
form=2;
h-1
forn=2:
w-1
j（m,n）=（i（m,n-1）+2*i（m,n）+i（m,n+1））/4;
%横向高斯滤波
利用上面自定义的gaosi函数对图像进行二维3x3滤波，
k1=gaosi（k）;
%横向滤波
k1=k1'
;
%对图像进行转置，为下一步纵向滤波作准备（纵向滤波==转置后横向滤波）
k1=gaosi（k1）;
%还原
利用上式，易知p,q分别为计算出的横向、纵向的微分近似，由此再计算出梯度的大小和方向。
%计算梯度的大小和方向
[h,w]=size（k）;
form=2:
zz1=k1（m,n-1）+k1（m+1,n-1）;
zz2=k1（m,n）+k1（m+1,n）;
zz3=k1（m,n-1）+k1（m,n）;
zz4=k1（m+1,n-1）+k1（m+1,n）;
kp（m,n）=0.5*（zz2-zz1）;
kq（m,n）=0.5*（zz3-zz4）;
kfu（m,n）=sqrt（（kp（m,n）^2）+（kq（m,n）^2））;
%梯度大小
kjiao（m,n）=atan（kq（m,n）/（kp（m,n）+0.001））;
%梯度方向,0.001防止分母为0
1.先将梯度方向归类为四个主要方向，左右、上下、左斜、右斜。
%非极大值抑制
%首先将梯度方向划分为4个方向0,45,90,135（以及他们的反向延长线）
ifkjiao（m,n）>
=3/8*pi
kjiao（m,n）=2;
elseifkjiao（m,n）>
=1/8*pi
kjiao（m,n）=1;
elseifkjiao（m,n）>
=-1/8*pi
kjiao（m,n）=0;
=-3/8*pi
kjiao（m,n）=3;
else
kjiao（m,n）=2;
end
end
根据划分后的4个方向，判断该点是否是8邻域的局部最大值（梯度方向），比如，梯度方向为左右方向的点，判断其是否比左右两点的值来的大，如果不是，使该点的值为0.
%按照各个方向分别判断
k2=k1;
ifkjiao（m,n）==0
ifk1（m,n）>
k1（m,n-1）&
&
k1（m,n）>
k1（m,n+1）;
elsek2（m,n）=0;
end
end
ifkjiao（m,n）==1
k1（m+1,n-1）&
k1（m-1,n+1）;
ifkjiao（m,n）==2
k1（m-1,n）&
k1（m+1,n）;
ifkjiao（m,n）==3
k1（m-1,n-1）&
k1（m+1,n+1）;
用两个阈值t1和t2（t2>
t1,一般取t2=2*t1）,我们把梯度值小于t1的像素的灰度设为0,得到图像1,然后我们把梯度值小于t2的像素的灰度设为0,得到图像2。
由于图像2的阈值较高,噪音较少（但同时也损失了有用的边缘信息,而图像1的阈值较低,保留了较多信息,因此我们可以以图像2为基础,以图像1为补充来连接图像的边缘。
%两次阈值分割
k3=k2;
%以t1为阈值分割后的矩阵
k4=k2;
%以t2为阈值分割后的矩阵
t1=50;
t2=2*t1;
ifkfu（m,n）<
t1
k3（m,n）=0;
t2
k4（m,n）=0;
a.扫描图像2,当我们遇到一个非零值的像素p时（跟踪以p为开始点的轮廓线直到该轮廓线的终点q;
b.在图像1中,考察与图像2中p点位置对应的点p'
的8邻域,如果在p'
点的8邻域中有非零像素q'
存在,将其包括到图像2中,作为点r,从r开始（重复第a步,直到我们在图像1和图像2中都无法继续为止;
c.我们已经结束了对包含p的轮廓线的连接,将这条轮廓标记为已访问过,回到第a步，寻找下一条轮廓线，重复第（a）（b）（c）步直到图像2中再也找不到新轮廓线为止.
findline.m:
function[ff,flag1]=findline（k3,k4,flag,m,n）
flag1=flag;
m1=m+1;
n1=n+1;
while（m~=m1||n~=n1）%若m和n都不发生变化，表明line已到终点
flagg=0;
fori=1:
3
if（flagg==1）break;
end
forj=1:
ifk3（m-2+i,n-2+j）~=0
k4（m-2+i,n-2+j）=255;
m1=m-2+i;
n1=n-2+j;
%新的[m,n]点
flag1（m,n）=1;
%标记已检测过
flagg=1;
break;
end
m=m1;
n=n1;
ff=k4;
主函数里写上：
figure;
subplot（221）;
imshow（i）;
title（'
原图像'
subplot（222）;
imshow（k3,[]）;
阈值为50的分割图像'
subplot（223）;
imshow（k4,[]）;
阈值为100的分割图像'
flag=zeros（h,w）;
%标记该点是否以检测过，1表示检测过
ifk4（m,n）~=0&
flag（m,n）==0
[k4,flag]=findline（k3,k4,flag,m,n）;
end
subplot（224）;
修正后的分割图像'
至此，程序完成。
效果如下：
至于程序中阈值的求取，大家自己定义就好了。
希望前辈们能给点学习图像处理的经验，谢谢了。
升级会员 