一种改进型Canny边缘.pptVIP

一种改进型Canny边缘检测算法 1.概述 边缘是图像最基本的特征。经典的边缘检测算法认为边缘主要表现为图像局部特征的不连续型，从而关于边缘检测算子的研究主要集中于灰度图像梯度的研究。通常将边缘划分为阶跃状和屋顶状两种类型。阶跃边缘中两边的灰度值有明显的变化；屋顶状边缘位于灰度增加和减少的交界处。 典型的一阶微分算子有Roberts算子、Prewitt算子、Sobel算子，二阶有Laplace算子、LOG算子等等。这些算子简单容易实现，具有很好实时性，但对噪声比较敏感、抗干扰性能差，边缘不够精细。 Canny算子是基于最优化算法的边缘检测算子，具有很好信噪比和检测精度，但是Canny算子也有不足。 2.传统的Canny算法 传统Canny算法的思想是先将图像使用高斯函数进行滤波平滑，再由一阶微分的极大值确定边缘点。Canny算法选用合适的一维高斯函数，分别按行和列队图像进行平滑去噪；然后采用二维高斯滤波模板来计算平滑后的数据阵列的梯度幅值和梯度方向，通过梯度的方向找到这个像素梯度方向的邻接像素，遍历整个图像，去除非边缘像素。 若某个像素的灰度值与其梯度方向上前后2个像素的灰度值比不是最大的，那么该像素不是边缘。处理后的边缘像素会导致梯度幅度图像中出现脊，使用累计直方图计算2个阈值。凡是大于高阈值的像素一定