canny算法.docVIP

Canny算子 John Canny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。 John Canny研究了最优边缘检测方法所需的特性，给出了评价边缘检测性能优劣的三个指标： l好的信噪比，即将非边缘点判定为边缘点的概率要低，将边缘点判为非边缘点的概率要低； l高的定位性能，即检测出的边缘点要尽可能在实际边缘的中心； l对单一边缘仅有唯一响应，即单个边缘产生多个响应的概率要低，并且虚假响应边缘应该得到最大抑制。 用一句话说，就是希望在提高对景物边缘的敏感性的同时，可以抑制噪声的方法才是好的边缘提取方法。 Canny算子求边缘点具体算法步骤如下： 1.用高斯滤波器平滑图像． 2.用一阶偏导有限差分计算梯度幅值和方向. 3.对梯度幅值进行非极大值抑制 ． 4.用双阈值算法检测和连接边缘． 步1. 图像与高斯平滑滤波器卷积: 步3. 对梯度幅值进行非极大值抑制(non_maxima suppression，NMS):仅仅得到全局的梯度并不足以确定边缘，因此为确定边缘，必须保留局部梯度最大的点，而抑制非极大值。解决方法：利用梯度的方向: 步4. 用双阈值算法检测和连接边缘: 对非极大值抑制图像作用两个阈值th1和th2，两者关系th1=0.4th2。我们把梯度值小于th1的像素的灰度值设为0，得到图像1。然后把梯度值小于th2的像素的灰度值设为0，得到图像2。由于图像2的阈值较高，去除大部分噪音，但同时也损失了有用的边缘信息。而图像1的阈值较低，保留了较多的信息，我们可以以图像 2为基础，以图像1为补充来连结图像的边缘。 链接边缘的具体步骤如下：对图像2进行扫描，当遇到一个非零灰度的像素p(xy)时，跟踪以p(xy)为开始点的轮廓线，直到轮廓线的终点q(xy)。考察图像1中与图像2中q(xy)点位置对应的点s(xy)的8邻近区域。如果在s(xy)点的8邻近区域中有非零像素s(xy)存在，则将其包括到图像2中，作为r(xy)点。从r(xy)开始，重复第一步，直到我们在图像1和图像2中都无法继续为止。当完成对包含p(xy)的轮廓线的连结之后，将这条轮廓线标记为已经访问。回到第一步，寻找下一条轮廓线。重复第一步、第二步、第三步，直到图像2中找不到新轮廓线为止。