解释图像的边缘检测算法中的Canny算法

最新推荐文章于 2024-08-27 17:53:55 发布

melonbo

最新推荐文章于 2024-08-27 17:53:55 发布

阅读量327

点赞数 4

分类专栏：机器学习文章标签：算法计算机视觉图像处理

本文链接：https://blog.csdn.net/melonbo/article/details/141440362

版权

7 篇文章 0 订阅

订阅专栏

Canny 算法是图像处理领域中一种经典的边缘检测方法，由 John F. Canny 在 1986 年提出。Canny 算法以其高效、可靠的边缘检测效果在图像处理和计算机视觉领域广泛应用。它具有良好的噪声抑制能力、精确的边缘定位能力以及单像素宽度的边缘输出特性。

$I_{smooth}(x, y) = I(x, y) * G(x, y, \sigma)$

其中，G(x,y,σ) 是高斯核函数，σ是标准差。

$G_x(x, y) = \frac{\partial I_{smooth}(x, y)}{\partial x}, \quad G_y(x, y) = \frac{\partial I_{smooth}(x, y)}{\partial y}$

$G(x, y) = \sqrt{G_x(x, y)^2 + G_y(x, y)^2}$

$\theta(x, y) = \tan^{-1}\left(\frac{G_y(x, y)}{G_x(x, y)}\right)$

目的：细化边缘，使边缘只有一个像素宽。
方法：在梯度方向上检查每个像素的梯度值，如果该像素的梯度值不是其梯度方向上邻域中的最大值，则将其抑制为 0，即非边缘。具体而言，对于一个像素点，若其梯度方向在水平方向，则将其与水平方向的两个邻居比较，若其梯度值较小则抑制为 0。

目的：区分强边缘、弱边缘和非边缘点。
方法：设定高、低两个阈值和：
- 强边缘：梯度幅值高于 $T_{high}$ 的像素点被标记为强边缘。
- 弱边缘：梯度幅值在 $T_{low}$ 和 $T_{high}$ 之间的像素点被标记为弱边缘。
- 非边缘：梯度幅值低于 $T_{low}$ 的像素点被抑制为非边缘。

Canny 算法通过高斯平滑、梯度计算、非极大值抑制、双阈值检测和边缘连接五个步骤，实现了精确、鲁棒的边缘检测。其核心思想是通过平滑降低噪声影响，利用梯度方向信息实现边缘细化，并通过双阈值和边缘连接保留重要的边缘特征。

关注