canny算子的边缘提取算法

最新推荐文章于 2024-04-23 00:14:18 发布

日拱一卒不慌忙

最新推荐文章于 2024-04-23 00:14:18 发布

阅读量2.1k

点赞数

文章标签：算法计算机视觉深度学习

本文链接：https://blog.csdn.net/MOZHOUH/article/details/125103133

版权

canny算子边缘提取分为四个步骤

1、去噪：

利用高斯滤波对图像卷积进行去噪处理；

2、求梯度：

采用梯度滤波模板对图像进行卷积，求取图像X方向和Y方向的梯度，以及对应的夹角；

3、非极大值抑制：

将各像素的梯度模值与梯度方向上相邻两个像素进行比较，保留梯度为极大值点的像素灰度；

算法设计

算法目标：完成像素梯度方向相邻两点的梯度比较。

方式：C点梯度一致，dTemp1和dTemp2梯度未知，采用相邻像素梯度，通过插值求得dTemp1和dTemp2的梯度，进行比较。

方法：根据C点的梯度角度确定相邻像素，通过相邻像素进行插值得到dTemp的梯度。

1、首先需要选取插值像素g1,g2，再选取插值比例K。

参数设定依据，尽量选择一致的不随条件改变的规则，简化算法。

2、插值比例K与C点斜率相关，tanU=dx/dy——K=短边/长边，tanU与K存在条件转换关系

插值比例与斜率的条件转换关系

1、以角度45°，90°，135°，180°作为边界判断条件。

<45°，tanU=dx/dy=K

45°<U<90°，tanU=dx/dy=1/K

90°<U<135°，tanU=dx/dy=-1/K

135°<U<180°，tanU=dx/dy=-K

2、以K=短边/长边

tanU=dx/dy

abs(dx)?abs(dy):比较大小

K=小/大

第二种方法不需要判断条件，这是取决于斜率=dx/dy；插值比例是短边占整边的比例（等价于占长边的比例）所以只需要在斜率中提取出短长边的比值信息即可。

3、插值规则：temp=g1K+g2(1-K)，g1是对角像素，g2是轴向像素。

插值像素选取依据：

g1是对角像素，g2是轴向像素，g1,g2的定义源于插值条件，但对角和轴向是相对于C点的抽象的概念，当C点的斜率不相同时，对角和轴向对应不同的坐标，计算机无法自动识别，所以需要将不同情况下的坐标赋值给g1,g2。

继承长短边的判断条件:

当dx是长边，代表斜率距x轴更近，当dx,dy同号在第一三象限，g1=C(x+1,y+1),g2=C(x+1,y)，反之在二四象限g1=C(x-1,y-1),g2=C(x-1,y)

当dy是长边，代表斜率距y轴更近，当dx,dy同号在第一三象限，g1=C(x+1,y+1),g2=C(x,y+1)，反之在二四象限g1=C(x-1,y-1),g2=C(x,y-1)

象限问题和网上搜的程序有出入，还望大佬们帮我指出问题。

canny算子及边缘提取原理_jiachen0212的博客-CSDN博客_canny算子阈值怎么取

边缘检测(Edge Detection)_长江之声的博客-CSDN博客_边缘测试

void NonMaxSuppress(int*pMag,int* pGradX,int*pGradY,SIZE sz,LPBYTE pNSRst)  
{  
    LONG x,y;  
    int nPos;  
    // the component of the gradient   
    int gx,gy;  
    // the temp varialbe   
    int g1,g2,g3,g4;  
    double weight;  
    double dTemp,dTemp1,dTemp2;  
    //设置图像边缘为不可能的分界点   
    for(x=0;x<sz.cx;x++)  
    {  
        pNSRst[x] = 0;  
        pNSRst[(sz.cy-1)*sz.cx+x] = 0;  
          
    }  
    for(y=0;y<sz.cy;y++)  
    {  
        pNSRst[y*sz.cx] = 0;  
        pNSRst[y*sz.cx + sz.cx-1] = 0;  
    }  
      
    for (y=1;y<sz.cy-1;y++)  
    {  
        for (x=1;x<sz.cx-1;x++)  
        {  
            nPos=y*sz.cx+x;  
            // if pMag[nPos]==0, then nPos is not the edge point   
            if (pMag[nPos]==0)  
            {  
                pNSRst[nPos]=0;  
            }  
            else  
            {  
                // the gradient of current point   
                dTemp=pMag[nPos];  
                // x,y 方向导数   
                gx=pGradX[nPos];  
                gy=pGradY[nPos];  
                //如果方向导数y分量比x分量大，说明导数方向趋向于y分量,即更贴近y轴   
                if (abs(gy)>abs(gx))  
                {  
                    // calculate the factor of interplation   
                    weight=fabs(gx)/fabs(gy);  
                    g2 = pMag[nPos-sz.cx];  // 确定g2出现在c(中心点)的上一行   
                    g4 = pMag[nPos+sz.cx];  // 确定g4出现在c(中心点)的下一行   
                     
                    //C 为当前像素，与g1-g4 的位置关系为：   
                    //g1 g2   
                    //   C   
                    //   g4 g3   
                    if(gx*gy>0) //如果x,y两个方向导数的符号相同  
                    {  
                        g1 = pMag[nPos-sz.cx-1];  
                        g3 = pMag[nPos+sz.cx+1];  
                    }   //对的，画个图可以很好的理解。 左上角为原点，x，y导数相同即导数线跨越2 4象限 如上图1                     
                    //如果x,y两个方向的方向导数方向相反   
                    //C是当前像素，与g1-g4的关系为：   
                    //    g2 g1   
                    //    C   
                    // g3 g4   
                    else  //左上角为原点，x，y导数相反即导数线跨越1 3象限  如上图2
 
                    {  
                        g1 = pMag[nPos-sz.cx+1];  
                        g3 = pMag[nPos+sz.cx-1];  
                    }  
                }  
                else  
                {  
                    //插值比例   
                    weight = fabs(gy)/fabs(gx);                   
                    g2 = pMag[nPos+1]; //后一列   
                    g4 = pMag[nPos-1];  // 前一列                 
                    //如果x,y两个方向的方向导数符号相同   
                    //当前像素C与 g1-g4的关系为   
                    // g3   
                    // g4 C g2   
                    //       g1   
                    if(gx * gy > 0)  
                    {  
                        g1 = pMag[nPos+sz.cx+1];  
                        g3 = pMag[nPos-sz.cx-1];  
                    }  
                      
                    //如果x,y两个方向导数的方向相反   
                    // C与g1-g4的关系为   
                    // g1   
                    // g4 C g2   
                    //      g3   
                    else  
                    {  
                        g1 = pMag[nPos-sz.cx+1];  
                        g3 = pMag[nPos+sz.cx-1];  
                    }  
                }  
                  
                dTemp1 = weight*g1 + (1-weight)*g2;  
                dTemp2 = weight*g3 + (1-weight)*g4;               
                //当前像素的梯度是局部的最大值   
                //该点可能是边界点   
                if(dTemp>=dTemp1 && dTemp>=dTemp2)  
                {  
                    pNSRst[nPos] = 128;  
                }  
                else  
                {  
                    //不可能是边界点   
                    pNSRst[nPos] = 0;  
                }             
            }  
        }  
    }  
}