Canny 算法

目录

一、边缘分割评判标准

二、一些边缘分割算法的缺点(sobel prewitt)

三、Canny 算法

（一）高斯滤波-高斯模板哪里来的

（二）Sobel算子

（三）非极大值抑制

（四）双阈值的滞后阈值处理

---

一、边缘分割评判标准

1. 要对边缘的错误检测率尽可能的低；
2. 检测出来的边缘要尽可能接近真实边缘；
3. 单边缘相应准则，对同一边缘要有低的相应次数,即对但边缘最好只有一个相应。

二、一些边缘分割算法的缺点(sobel prewitt)

1. 没有充分利用边缘的梯度方向（仅仅是xy方向或者是45 135度方向）；
2. 最后输出的边缘二值图，只是简单地利用阈值进行处理，如果阈值过大，则会损失很多边缘信息，如果过小，则会有很多噪声。

三、Canny 算法

        针对以上两个缺点，canny 算法做出了改进，提出了：

        1、基于边缘梯度方向的非极大值抑制；

        2、双阈值的滞后阈值处理。

（一）高斯滤波-高斯模板哪里来的

        通常对图像先进行高斯滤波，滤去噪声；高斯滤波要用高斯模板
        例如：

        高斯模板来源于高斯函数，通过选取不同的sigma，得到不同的模板，得到模板后，进行归一化，成为最终的现在我用使用的高斯滤波模板。

        例如选取sigma为1.4，得到5*5模板（x,y）的坐标带入进去得到

	1	2	3	4	5	6
1	0.0121	0.0261	0.0337	0.0261	0.0121
2	0.0261	0.0561	0.0724	0.0561	0.0261
3	0.0337	0.0724	0.0935	0.0724	0.0337
4	0.0261	0.0561	0.0724	0.0561	0.0261
5	0.0121	0.0261	0.0337	0.0261	0.0121
6

                然后进行归一化处理，然后进行约等于，得到5*5模板

（二）Sobel算子

        用3*3 Sobel 算子模板求得x以及y方向上的梯度，以及两方向梯度的平方和；例如现在有一个图像的数字化信息是这样的：

        经过卷积后，得到x以及y方向的梯度——dx dy：

        以及dx和dy的平方和开方：

        Sobel 算法的话，到了这里基本上就要结束了，只需要将以上数值缩放至 0-255，然后设置
國值进行2值化就完成了。下面我们看一下Canny算法的过程。

（三）非极大值抑制

        首先求出 angle：angle 本质上来说就是梯度的方向；然后根据得到的方向，对该方向的值进行比对，非极大值要抑制为0，极大值保留。

        根据angle来进行相应方向上的大小比较，如果和相应方向上的两个值进行对比，不是极大值，那么这一点置零；是极大值则保留。如下图：

        我们可以看到，在我们写程序过程中，不同角度比对不同位置的数值，如下图：

        全部比对后，完成了非极大值的抑制。

        然后将所有数值 convertTo 到0-255区间，得到了非极大值抑制的图像。

·加入插值算法的非极大值抑制

        根据 ratio = x/y 来得到系数，然后进行插值，之后在进行比对。

（四）双阈值的滞后阈值处理

        然后进行双阈值二值化，设置低阈值为40，高域值为150；这一过程的思路是首先选定边缘强度大于高阈值的所有确定边缘点，然后在边缘强度大于低阈值的情况下尽可能延长边缘，如果最终能够连接到强边缘点，则这些点保留。

        具体实现来说：小于低阈值的边缘点直接剔除；大于高阈值的点确认为边缘点；

        重点：对强边缘进行延伸（trace 函数)，只有大于低阈值的点都进行保留，直到没有为止。