cany边缘检测算法（坎尼算法）

砍尼算法是最优的边缘检测器

预备知识：

图像梯度：在一幅图像f（x,y）位置处寻找的边缘强度和方向，所选工具就是梯度。

求取图像梯度的方法：用模板算子：如sobel算子等，算子有方向区别，x方向算子，y方向算子

通过模板可以得到Gx(x,y),Gy(x,y)两张与原图像尺寸一样的梯度图，Gx(x,y),Gy(x,y)分表表示x,y方向的梯度图

cany边缘求取算法

步骤;

用高斯滤波平滑图像（去掉细节，使大边缘在分割后效果更明显）；

计算梯度幅值图像和角度赋值图像：M(x,y)=|Gx|+|Gy|;，角度幅值图像为a(x,y)=arctan[Gy/Gx],(x,y)为图像的取值范围为图像各像素点坐标；

对梯度幅值图像应用非最大抑制；

用双鱼之处理和链接分析来检测并链接边缘。

应用实例

#include "stdafx.h"





#include <opencv2/opencv.hpp>   
#include <opencv2/highgui.hpp>   
#include<iostream>    
#define PI 3.1415926    
#define R 150    

using namespace cv;
using namespace std;
Mat getHistImg(const MatND& hist);

int main()
{
    Mat result;//声明一个表示图像的变量；
    Mat gray;
    int height;
    int width;
    gray = imread("../13.jpg");
   


    Canny(gray, result, 20, 100, 3);//cany算法函数，gray为输入图像，result为输出图像，20为第阈   值，100为高阈值，3为sobel算子尺寸
    
     

   
    imshow("1", result);
   

     waitKey(0);

}

int main()
{
    Mat image,image1, abs_image, abs_image1,result;//声明一个表示图像的变量；
    Mat gray;
 
    int height;
    int width;

    gray = imread("../13.jpg");
    cvtColor(gray, gray, CV_BGR2GRAY);
    medianBlur(gray, gray, 11);
    height = gray.rows;
    width = gray.cols* gray.channels();   // 列项要乘通道数  

    for (int i = 0; i< height; i++)
    {
        for (int j = 0; j< width; j++)
        {
            if (gray.at<uchar>(i, j) > 69)
                gray.at<uchar>(i, j) = 255; //- gray.at<uchar>(i, j);   // 每一个像素反转  
            else
                gray.at<uchar>(i, j) = 0;
        }
    }
   
  
          /*用sobel算子提取边缘*/
   
    Sobel(gray, image1, CV_8U, 0, 1, 3, 1, 0, BORDER_DEFAULT);//提取y方向的
    Sobel(gray, image, CV_8U, 1, 0, 3, 1, 0, BORDER_DEFAULT);//提取x方向的
    convertScaleAbs(image1, abs_image1);           //对提取到的梯度图求绝对值
    convertScaleAbs(image, abs_image);
    addWeighted(abs_image1, 0.5, abs_image, 0.5, 0, result);   //求取梯度幅值图像result
      
       
    imshow("1", result);

   
    waitKey(0);

}