【图像处理算法】Canny边缘检测

最新推荐文章于 2024-07-10 15:38:12 发布

悟、

最新推荐文章于 2024-07-10 15:38:12 发布

阅读量3.3k

点赞数 1

分类专栏：【图像处理算法】文章标签：计算机视觉算法人工智能深度学习

本文链接：https://blog.csdn.net/peter_z96/article/details/104429385

版权

Canny边缘检测算法是数字图像处理中广泛使用的边缘检测算法，由John F. Canny于1986年提出。它包括高斯平滑、计算梯度信息、非极大值抑制和双阈值算法四个步骤。高斯平滑用于减少噪声，计算梯度信息使用Sobel算子，非极大值抑制精确定位边缘，双阈值算法避免边缘断裂。尽管深度学习发展迅速，Canny边缘检测算法仍被广泛应用。

摘要由CSDN通过智能技术生成

Canny边缘检测

本文主要参考：

冈萨雷斯《数字图像处理》第二版

边缘检测是数字图像处理中应用十分广泛的一类算法，它能够将图像信息简化为线条特征供后续的图像算法使用，在电子元件自动检测、虹膜识别等方向都发挥了较大作用。Canny边缘检测算子是John F. Canny于1986年开发出来的一个多级边缘检测算法。目前，Canny算子是传统边缘检测算法中使用最广泛、效果最好的一种算法。本文将分享本人在学习Canny算子过程中的笔记和思路。Canny边缘检测算法基本步骤如下：
Canny步骤

1. 高斯平滑

要想对图像进行边缘检测，首先要知道边缘在图像中的表现形式。下图引用自《数字图像处理》，显示的是放大后的边缘区域。（a）图显示的是理想的边缘数字模型，在理想情况下，边缘两端图像灰度级会产生跳变，能够清晰地看到边界的存在，从灰度剖面图可以看到，边缘两边的灰度级相差较大，并存在跃变。但是，在现实情况下，由于光学系统、取样和其他图像采集的不完善性得到的图像边缘是模糊的，模糊程度与图像获取过程以及图像质量有关。在这种模糊图像中，边缘处的灰度级将不会存在大的跳变，而是一种斜坡式的变化，斜坡部分与边缘的模糊程度成正比，如图（b）所示。