c#用canny算子做边缘提取_恩智浦智能车之边缘检测算法

最近一直在思考阳光对摄像头的影响问题如何解决，在网上找了很多资料也没有找到什么合适的算法，或者方法。但是了解到了一些有意思的算法——边缘提取算法

边缘提取本质像是一种滤波，根据算子的不同会有不同的效果，在MCU上的处理时间也不同。比较常用的方法有三种，Sobel算子，Laplacian算子，Canny算子。
Sobel算子检测方法对灰度渐变和噪声较多的图像处理效果较好，sobel算子对边缘定位不是很准确，一般情况下图像的边缘不止一个像素；当对精度要求不是很高时，是一种较为常用的边缘检测方法。
Canny方法不容易受噪声干扰，能够检测到真正的弱边缘。优点在于，使用两种不同的阈值分别检测强边缘和弱边缘，并且当弱边缘和强边缘相连时，才将弱边缘包含在输出图像中。但是由于算法的复杂性导致其所需时间的增加。
Laplacian算子法对噪声比较敏感，所以很少用该算子检测边缘，而是用来判断边缘像素视为与图像的明区还是暗区。拉普拉斯高斯算子是一种二阶导数算子，将在边缘处产生一个陡峭的零交叉, Laplacian算子是各向同性的，能对任何走向的界线和线条进行锐化，无方向性。这是拉普拉斯算子区别于其他算法的最大优点。

我最近将Sobel算子的边缘提取做成了实例，效果还是比较满意的，但是我还没有想好是否将其运用在智能车的程序中。

手机壁纸

通过我的智能车摄像头捕捉手机 然后处理并显示在智能车上的屏幕上 所需时间大概为5ms

下面是赛道的处理结果（疫情期间，赛道简陋，在卧室搭起来的）

菱形是今年的特殊元素（可能，因为到现在还没有出规则）

处理后的图像

此时看到，边界上会有一些嘈杂的细线，此时只需在对其进行二值化即可。下面是我用MATLAB仿真处理的图像。

左一为智能车获取的灰度图像 中间为经过边缘提取后的图像 右一为经过二值化后的图像

由于并没有决定是否将其运用到智能车上，所以也还没有对这个算法进行优化处理，目前的效果只能说还算可以。

以上就是我今天分享的内容啦，有兴趣的朋友们也可以私聊我或者评论。排版比较丑，请见谅。代码就不在这里写了，否则会更乱。有兴趣的可以点个赞 ！加个关注！ 私聊我啊 ！