算法应用三：【图像分割】+【边缘检测】canny边缘检测--冈萨雷斯--《数字图像处理》

 

canny主要工作：推导了最优边缘检测算子。

      图像的边缘检测是：图像最基本特征，边缘点指的是图像中周围像素灰度有阶跃变化或屋顶变化的那些像素点，即：灰度值导数极大的地方。

      边缘检测的目的是：标识数字图像中亮度变化的明显的点。之前介绍过增强边缘的图像锐化的方法，本节文章主要介绍一种专门用于边缘检测的canny算子。

PPT下载：https://download.csdn.net/download/weixin_42346564/10846987

---

      本节的重点是分割方法，是基于检测急剧的，局部的强度变化。我们感兴趣的三种图像特征是孤立的点、线和边缘。

      边缘像素是图像强度突然变化的像素，边缘(或边缘段)是一组连通的边缘像素；

      线可以被看作是(通常)较细的边缘段，其中线两侧背景的强度要么比线像素的强度高得多，要么比线像素的强度低得多。线条产生了所谓的“屋顶边缘”。最后，一个孤立的点可以看作是被背景(前景)像素包围的前景(背景)像素。局部平均平滑图像。考虑到平均值类似于积分，很明显，利用导数可以检测到强度的突变和局部变化。由于很快就会证明的原因，一阶和二阶导数特别适合于这个目的。数字函数的导数是用有限差分定义的。有很多种方法来计算这些差异，但是。正如3.6节所解释的

我们要求：

(1)一阶导数的任何近似在等强度区域必须为零

(2)在强度阶跃或斜坡开始时必须非零;

(3)在强度斜坡上的点必须非零。

---

Canny边缘检测基本特征如下：

• 须满足条件：①抑制噪声；②精确定位边缘。

 

• l边缘检测算子应满足以下3个判断准则：

• 从数学上表达了三个准则[信噪比准则（低错误率）、定位精度准则、单边缘响应准则]，并寻找表达式的最佳解。

•     （1）信噪比准则SRN（低误判率），即尽可能少地把边缘点误认为是非边缘点，目的是找出H（x,y）； SNR越大，误判率越低。

•     （2）定位精确度准则，即准确地把边缘点定位在灰度变化最大的像素上；

•     （3）单边缘响应准则，抑制虚假边缘。

 

Canny边缘检测算法步骤：

步骤1：用高斯滤波器平滑处理原图像； 
步骤2：用一阶偏导的有限差分进行计算梯度的幅值和方向； 
步骤3：对梯度幅值进行非极大值抑制； 
步骤4：用双阈值算法检测和连接边缘。

---

步骤详解

先看一下Canny算子的效果：

步骤1:用高斯滤波器平滑处理原图像

令f(x,y)表示数据（输入源数据），G(x,y)表示二维高斯函数（卷积操作数），fs(x,y)f(x,y)表示数据（输入源数据），G(x,y)表示二维高斯函数（卷积操作数），fs