课程学习——canny边缘算子

最新推荐文章于 2023-06-30 22:58:49 发布

筹码°

最新推荐文章于 2023-06-30 22:58:49 发布

阅读量410

点赞数

分类专栏：自我学习文章标签：自我学习

本文链接：https://blog.csdn.net/ChouMaRenShen/article/details/89076162

版权

本文介绍了Canny边缘检测算子的基本特征，包括其对噪声的抑制和边缘定位的精确性。Canny算法包括高斯滤波、梯度计算、非极大值抑制和双阈值检测四个步骤。最后，文章提供了MATLAB实现Canny边缘检测的简要说明。

摘要由CSDN通过智能技术生成

Canny边缘检测基本特征如下：
(1) 必须满足两个条件：①能有效地抑制噪声；②必须尽量精确确定边缘的位置。
(2) 根据对信噪比与定位乘积进行测度，得到最优化逼近算子。这就是Canny边缘检测算子。
(3) 类似与Marr（LoG）边缘检测方法，也属于先平滑后求导数的方法。

Canny边缘检测算法步骤：
步骤1：用高斯滤波器平滑处理原图像；
步骤2：用一阶偏导的有限差分进行计算梯度的幅值和方向；
步骤3：对梯度幅值进行非极大值抑制；
步骤4：用双阈值算法检测和连接边缘。

matlab：C语言逻辑实现canny边缘算子。
代码：

clc;
clear all;
%导入原图
data=imread('C:\Users\Barca\Desktop\234.jpg');
%显示原图
figure(1);
imshow(data);
[m,n,r]=size(data);
%图像灰度化
if r>1
    data1=rgb2gray(data);
else
    data1=data;
end
%显示灰度化图
figure(2);
imshow(data1);
%数据转为double格式
data1=double(data1);

%step1.高斯滤波
%生成一个3*3的高斯模板，标准差为0.8
template=fspecial('gaussian',3,0.8);
%模板滤波
img_filt=imfilter(data1,template);

%step2.计算图像的梯度（幅度和方向）
%x方向上的梯度模板
ax=[-1,-1,-1;0,0,0;1,1,1];
%y方向上的梯度模板
ay=[-1,0,1;-1,