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

1、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;function k=rgb2y（z）%i必须为rgb三维矩阵m,n,p=size（z）;k=zeros（m,n）;z=double（z）;for i=1:m for j=1:n k（i,j）=0.3*z（i,j,1）+0.6*z（i,j,2）+0.1*z（i,j,3）; endendfunction j=gaosi（i

2、）;%i必须为二维double矩阵j=i;h,w=size（i）;for m=2;h-1 for n=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）;for m=2: zz1=k1（m,n-1）+k1（m+1,n-

3、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01.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） if

4、kjiao（m,n）=3/8*pi kjiao（m,n）=2; else if kjiao（m,n）=1/8*pi kjiao（m,n）=1; else if kjiao（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; if kjiao（m,n）=0 if k1（m,n）k1（m,n-1）&k1（m,n）

5、k1（m,n+1）; else k2（m,n）=0; end end if kjiao（m,n）=1k1（m+1,n-1）&k1（m-1,n+1）; if kjiao（m,n）=2k1（m-1,n）&k1（m+1,n）; if kjiao（m,n）=3k1（m-1,n-1）&k1（m+1,n+1）;用两个阈值t1和t2（t2t1,一般取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

6、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; if kfu（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

7、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; for i=1:3 if（flagg=1） break; end for j=1: if k3（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;bre

8、ak; 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 if k4（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。