CV——自己实现Canny算子

最新推荐文章于 2025-11-19 22:24:37 发布

原创最新推荐文章于 2025-11-19 22:24:37 发布 · 447 阅读

2 ·

CC 4.0 BY-SA版权

CV 专栏收录该内容

8 篇文章

订阅专栏

本文详细介绍了Canny边缘检测算法的实现过程，包括图像预处理、梯度计算、非极大值抑制和双阈值检测等步骤。通过MATLAB代码展示了每个阶段的操作，但结果显示边缘不够平滑，可能在边缘连接步骤存在改进空间。

基本步骤

1、图像与高斯平滑滤波器卷积
在这里插入图片描述

2、利用一阶有限差分计算偏导数阵列P与Q
在这里插入图片描述
3、计算梯度幅值与方向角

4、非极大值抑制（NMS）

模块梯度方向分为4个，垂直，水平，正对角线，副对角线
模块梯度方向离散化

-22.5~22.5为0
22.5~67.5 为1
67.5~112.5 为2
112.5~157为3
以此类推
0代表水平，1代表副对角，2代表垂直，3代表正对角
梯度方向两边比较 p大于自身梯度方向两邻点的梯度，则保留，否则去除；

5、阈值化与边缘连接

设置两个阈值，一个高阈值，一个低阈值
根据高阈值的边缘点梯度方向，进行边缘连接，找不到点去低阈值找
从高阈值对应的点到低阈值图像的8领域找，找到就将其选为边缘点

代码

% 1、读入图像实现高斯滤波平滑
src=imread('lena.png');
gausFilter = fspecial('gaussian', [3,3], 1);
src= imfilter(src, gausFilter, 'replicate');
[Ax,Ay,~] = size(src);%获取图像尺寸
src = double(src);%类型转double


% 2、梯度大小方向计算  梯度方向离散化
m = zeros(Ax, Ay);%用来存储梯度大小
theta = zeros(Ax, Ay);%用来存储梯度方向
sector = zeros(Ax, Ay);%用来存储离散梯度值
for x = 1:(Ax-1)
    for y = 1:(Ay-1)
        gx =  src(x+1, y)-src(x+1, y)-src(x, y+1)+src(x+1, y+1);%水平差分
        gy =  src(x, y+1)-src(x, y)+src(x+1, y+1)-src(x+1, y);%垂直差分
        m(x,y) = (gx^2+gy^2)^0.5 ;%梯度大小
        theta(x,y) = atand(gx/gy);%梯度方向
        tem = theta(x,y);
        if (tem<67.5)&&(tem>22.5)%副对角
            sector(x,y) = 0;    
        elseif (tem<22.5)&&(tem>-22.5)%水平
            sector(x,y) = 3;    
        elseif (tem<-22.5)&&(tem>-67.5)%正对角
            sector(x,y) = 2;    
        else%垂直
            sector(x,y) = 1;    
        end  
    end    
end


% 3、非极大值抑制
canny = zeros(Ax, Ay);
for x = 2:(Ax-1)
    for y = 2:(Ay-1)        
        if 0 == sector(x,y) %副对角
            if (m(x,y)>m(x-1,y+1) )&&(m(x,y)>m(x+1,y-1))
                canny(x,y) = m(x,y);
            else
                canny(x,y) = 0;
            end
        elseif 1 == sector(x,y) %垂直
            if (m(x,y)>m(x-1,y))&&(m(x,y)>m(x+1,y))
                canny(x,y) = m(x,y);
            else
                canny(x,y) = 0;
            end
        elseif 2 == sector(x,y) %正对角
            if (m(x,y)>m(x-1,y-1))&&(m(x,y)>m(x+1,y+1))
                canny(x,y) = m(x,y);
            else
                canny(x,y) = 0;
            end
        elseif 3 == sector(x,y) %水平
            if (m(x,y)>m(x,y+1))&&( m(x,y)>m(x,y-1))
                canny(x,y) = m(x,y);
            else
                canny(x,y) = 0;
            end
        end        
    end
end


% 4、双阈值检测
high = zeros(Ax, Ay);
low = zeros(Ax,Ay);
highTh = 35;
lowTh = 20;
for x = 2:(Ax-1)
    for y = 2:(Ay-1)        
        if canny(x,y)>highTh
            high(x,y) = 1;
        end
        if canny(x,y)>lowTh
            low(x,y) = 1;
        end
    end
end


% 5、边缘连接——高阈值没有 低阈值8领域找查找
A=high;
for x = 2:(Ax-1)
    for y = 2:(Ay-1)
        tem =[low(x-1,y-1), low(x-1,y), low(x-1,y+1);
              low(x,y-1),   low(x,y),   low(x,y+1);
              low(x+1,y-1), low(x+1,y), low(x+1,y+1)];
        temMax = max(tem);
        if (high(x,y)==0) 
            if(temMax==1)
                A(x,y)=1;
            end
        end
    end
end


% 显示化结果
subplot(2,3,1),imshow(theta),title('梯度方向矩阵');
subplot(2,3,2),imshow(sector),title('梯度方向离散化矩阵');
subplot(2,3,3),imshow(canny),title("非极大值抑制后");
subplot(2,3,4),imshow(low),title("低阈值");
subplot(2,3,5),imshow(high),title("高阈值");
subplot(2,3,6),imshow(A),title("canny结果");