Canny演算法是邊緣檢測的一個經典演算法，比單純用一些微分算子來檢測的效果要好很多，其優勢有以下幾點：
- 邊緣誤檢與漏檢率低，
- 邊緣定位準確，且邊界較細，
- 自帶一定的濾噪功能，或者說，對噪聲的敏感度要比單純算子低，
- 具有多個可調整引數，可影響演算法的時間與時效，
但是Canny相比單純算子來說計算量偏大，下面簡單介紹演算法的程序，
影像去噪：
這一步不是必須的，一般噪聲少的圖，讓Canny自己應付就行，若噪聲較多，一般采用高斯濾波，濾波后，噪聲灰度下降，對邊緣的影響
小于噪點，
獲取梯度強度與方向：
用一階微分算子獲取梯度強度和方向，如sobel算子，強度與方向公式如下：
要用兩個矩陣分別存盤強度和方向，其中方向公式需要根據具體算子情況更改正負號，最終使上下左右、45度方向可以區分開來，例如下圖所示，
這里將上下放在（60,90）和（-90，-60）區間，因為它們在非極大抑制時取的都是上下鄰域；將左右放在（-30,30）區間，因為它們抑制時取的是
左右鄰域；將處于斜向上對角線的梯度角放在（30,60），它們在抑制時取45度的兩個鄰域；將斜向下對角線上的梯度角放在（-60，-30），它們在
抑制時取-45度的兩個鄰域，
非極大抑制：
該步驟目的是洗掉非邊緣像素，主要做法是對每個像素點，與它梯度方向的相鄰兩像素作灰度比較（比如左右兩個像素），如果該像素點
灰度比它兩個相鄰像素都大，則保留其灰度值，否則抑制（賦值0），
雙閾值處理：
設定一個高閾值和低閾值，對灰度大于高閾值的像素點，確認為強邊緣，賦值255，低于低閾值的點賦值0，介于之間的點保留其灰度值，作為弱邊緣，
滯后邊界追蹤：
這一步主要是處理弱邊緣，總的思路是找到每一個弱邊緣的連通域，判斷該連通域與強邊緣有無相鄰，如果存在至少一個像素與強邊緣相鄰，則將該連
通域都作為強邊緣（賦值255），如果沒有一個像素與強邊緣相鄰，則將整個連通域視為噪聲（賦值0），
所以，關鍵在于找到連通域，通常有DFS與BFS兩種演算法可以處理連通域問題，這里采用BFS演算法，思路如下：
1.掃描整個影像，判斷每個像素是否為弱邊緣，如果是，進入步驟2（查找連通域），
2.用connect陣列保存組成連通域的所有點；用weak陣列保存待檢查八領域的弱點；用checked陣列標記已被掃描過的弱點（也就是連通域里的點），標
記1表示已掃描；用變數real_edge記錄是否有檢測到強點，將剛才判定的弱邊緣點壓入connect、weak，checked相應位置標記為1，進入步驟3，
3.創建new_weak用來保存新的待檢測八領域的弱點，依次對weak中每個待檢測點，遍歷其八領域，找到所有未被checked標記的新弱點，壓入new_weak
、connect，checked相應位置標記為1，同時檢查八領域內是否有強邊緣，有則標記real_edge=1，對weak所有待檢測點檢查完后，如果new_weak不為
空，則將new_weak賦給weak，重復步驟3;如果new_weak為空，則表示一個連通域尋找完畢，進入步驟4，
4.如果real_edge=1，則將連通域每個點的灰度賦值255,否則賦值0；彈出connect、weak、checked中所有點，
5.重復步驟1-4，直道影像掃描完畢，
經過以上這些步驟，Canny演算法就已經實作了，我們要做的就是根據影像調整雙閾值和濾波強度，下面是Canny的一個處理實體，其中給出了單純sobel檢測和
Canny檢測的效果，通過下圖可以知道，Canny檢測的邊緣要薄的多，細節處理更好，噪聲也更少，
以下是matlab代碼實作：
%canny前先高斯濾波 function edge=canny(gaussianimg,lthres,hthres) sobel_operator_x=[-1,0,1; -2,0,2; -1,0,1]; sobel_operator_y=[-1,-2,-1; 0,0,0; 1,2,1]; %梯度強度 diff_x=filter2(sobel_operator_x,gaussianimg); diff_y=filter2(sobel_operator_y,gaussianimg); diff=uint8(sqrt((diff_x.^2+diff_y.^2)/32)); %梯度方向 [sizex,sizey]=size(gaussianimg); angle=zeros(sizex,sizey); edge=uint8(zeros(sizex,sizey)); for i=1:sizex for j=1:sizey angle(i,j)=atan(-diff_y(i,j)/diff_x(i,j))/pi*180; end end %非極大抑制,排除非邊緣像素 for i=2:sizex-1 for j=2:sizey-1 if (angle(i,j)>90||angle(i,j)<-90) break; elseif angle(i,j)>=60 || angle(i,j)<=-60 if (diff(i,j)>diff(i-1,j)&&diff(i,j)>=diff(i+1,j)) edge(i,j)=uint8(diff(i,j)); end elseif (angle(i,j)<=-30) if (diff(i,j)>diff(i-1,j-1)&&diff(i,j)>=diff(i+1,j+1)) edge(i,j)=uint8(diff(i,j)); end elseif angle(i,j)>=30 if (diff(i,j)>diff(i-1,j+1)&&diff(i,j)>=diff(i+1,j-1)) edge(i,j)=uint8(diff(i,j)); end elseif angle(i,j)<30||angle(i,j)>-30 if (diff(i,j)>diff(i,j-1)&&diff(i,j)>=diff(i,j+1)) edge(i,j)=uint8(diff(i,j)); end end end end %雙閾值 for i=1:sizex for j=1:sizey if (edge(i,j)>=hthres) edge(i,j)=255; %一定為邊緣 elseif (edge(i,j)<=lthres) edge(i,j)=0; %一定為非邊緣 end end end %候選邊緣，與已確定邊緣相連才認為是邊緣 for i=2:sizex-1 for j=2:sizey-1 if (edge(i,j)>0&&edge(i,j)<255) real_edge=0;%邊緣真偽標志 checked=zeros(sizex,sizey);%標記已經掃描過的弱點 weak=zeros(100,2);%存盤需要查看八領域的弱點 connect=zeros(100,2);%存盤一條聯通的所有弱點 weak_length=1; connect_length=1; %壓入第一個弱邊緣點 weak(weak_length,:)=[i,j]; connect(connect_length,:)=[i,j]; checked(i,j)=1; while(weak_length>0) new_weak=zeros(100,2); new_weak_length=0; for k=1:weak_length %搜索當前弱點的八領域 x=weak(k,1);y=weak(k,2); if (x>=2&&x<=sizex-1&&y>=2&&y<=sizey-1) for m=x-1:x+1 for n=y-1:y+1 if edge(m,n)>0&&edge(m,n)<255&&checked(m,n)==0%領域有弱點且未被掃描過 new_weak_length=new_weak_length+1; connect_length=connect_length+1; new_weak(weak_length,:)=[m,n];%壓入新弱點集合 connect(connect_length,:)=[m,n]; %壓入連通域 checked(m,n)=1; %標記已掃描 elseif edge(m,n)==255 real_edge=1; %邊緣為真，等待連通域全部被識別 end end end end end weak_length=new_weak_length;%當前深度的弱點集合全部檢查過八領域，開始檢查新一深度的弱點集合 weak=new_weak;%如果新集合沒有弱點，則跳出while end %一個連通域已在connect里形成 for z=1:connect_length edge(connect(z,1),connect(z,2))=uint8((255* real_edge)); end end end end end
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/115724.html
標籤：其他
上一篇：量化投資-資料挖掘技術與實踐