Canny算子理解，及Matlab实现

JohnCanny于1986年提出Canny算子，它与Marr（LoG）边缘检测方法类似，也属于是先平滑后求导数的方法。本文对根据上述的边缘检测过程对Canny检测算法的原理进行介绍。 并结合实验，对canny算法进行理解，指出参数选取中容易产生的问题。

canny边缘检测一共四个部分：
1. 用高斯滤波器平滑图像；（图像去噪）
2. 用一阶偏导有限差分计算梯度幅值和方向；（特征增强）
3. 对梯度幅值进行非极大值抑制 ；（边缘检测）
4. 用双阈值算法检测和连接边缘。（形态学处理）

平滑去噪

canny边缘检测的前两步相对不复杂，所以我就直接调用系统函数了。

IM=imread('2.tif');
IM=imnoise(IM); %imnoise对uint8类型加噪为0-255，e对double类型加噪为0-1，
[m,n]=size(IM);
IM=double(IM);
%高斯滤波
w=fspecial('gaussian',[9 9]);
img=imfilter(IM,w,'replicate');

值得注意的是，在选取滤波窗口w时，根据我的实验（无噪声情况实验，若有噪声，也会影响后续的非极大值抑制），滤波窗口w边长为偶数时，将导致得到的梯度只有单像素最大幅值。而对边缘分析可知，应该产生双像素的梯度幅值才符合实际情况，所以滤波窗口w的选取一定要为基数边长。

实例如下，当选偶数边长时，幅值结果如下

当选基数边长时，幅值结果如下

计算幅值

%%sobel边缘检测
w_h=[1,2,1;0,0,0;-1,-2,-1];              %Sobel算子，梯度方向朝上为正
img_h=imfilter(img,w_h,'replicate');       %梯度是竖着的边缘,即横边缘
w_w=[-1,0,1;-2,0,2;-1,0,1];              %Sobel算子，梯度方向朝右为正
img_