基于canny算子的边缘检测.docVIP

PAGE PAGE 1 基于canny算子的边缘检测 报告题目： 基于canny算子的边缘检测 学 院： 专 业： 年 级： 学 号： 学生姓名： 指导教师： 日 期： 目录 TOC \o 1-1 \h \z \u 摘要 2 1 Canny边缘检测基本原理 3 2 Canny边缘检测算法（数学描述） 3 3 算法过程 4 4 实现过程 4 5 结果显示 9 6 总结和体会 9 7 参考文献 9 摘要 图象的边缘是指图象局部区域亮度变化显著的部分，该区域的灰度剖面一般可以看作是一个阶跃，既从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。 图象的边缘部分集中了图象的大部分信息，图象边缘的确定与提取对于整个图象场景的识别与理解是非常重要的，同时也是图象分割所依赖的重要特征，边缘检测主要是图象的灰度变化的度量、检测和定位，自从1959提出边缘检测以来，经过五十多年的发展，已有许多中不同的边缘检测方法。 本文主要讨论通过canny算子，来获取图像的边缘区域的方法。 1 Canny边缘检测基本原理 具有既能滤去噪声又保持边缘特性的边缘检测最优滤波器,其采用一阶微分滤波器。采用二维高斯函数的任意方向上的一阶方向导数为噪声滤波器, 通过与图像卷积进行滤波;然后对滤波后的图像寻找图像梯度的局部最大值,以此来确定图像边缘。根据对信噪比与定位乘积进行测度,得到最优化逼近算子,这就是Canny 边缘检测算子。类似与Marr(LOG)边缘检测方法,也属于先平滑后求导数的方法。 2 Canny边缘检测算法（数学描述） step1:用高斯滤波器平滑图象。 二维为高斯函数为: 在某一方向n 上是G(x,y)的一阶方向导数为: 式中:n 式方向矢量, 是梯度矢量。将图像f(x,y)与Gn 作卷积,同时改变n 的方向,Gn*f(x,y)取得最大值时的n就是正交于检测边缘的方向。 step2: 用一阶偏导的有限差分来计算梯度的幅值和方向。A(x,y)反映了图像(x,y)点处的边缘强 度,θ是图像(x,y)点处的法向矢量。 step3: 对梯度幅值进行非极大值抑制。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,如图1。解决方法:利用梯度的方向。四个扇区的标号为0 到3,对应3*3 邻域的四种可能组合。在每一点上,邻域的中心像素M 与沿着梯度线的两个像素相比。如果M 的梯度值不比沿梯度线的两个相邻像素梯度值大, 则令M=0,即G(x,y)=NMS(M[x,y],§[x,y])。 step4:用双阈值算法检测和连接边缘。减少假边缘段数量的典型方法是对G(x,y)使用一个阈值,并将低于阈值的所有值赋零值。通常选取阈值的方法:双阈值算法进行边缘判别和连接边缘。 ①首先是边缘判别:凡是边缘强度大于高阈值的一定是边缘点;凡是边缘强度小于低阈值的一定不是边缘点;如果边缘强度大于低阈值又小于高阈值,则看这个像素的邻接像素中有没有超过高阈值的边缘点,如果有,它就是边缘点,如果没有,它就不是边缘点。 ②其次是连接边缘: 双阈值算法对非极大值抑制图像作用两个阈值τ1和τ2,且2τ1 ≈τ 2,从而可以得到两个阈值边缘图像G1(x,y)和G2(x,y)。由于G2(x,y)使用高阈值得到,因而含有很少的假边缘,但有间断(不闭合)。双阈值法要在G2(x,y)中把边缘连接成轮廓, 当到达轮廓的端点时, 该算法就在G 1(x,y)的8 邻点位置寻找可以连接到轮廓上的边缘,这样,算法不断地在G1(x,y)中收集边缘,直到将G1(x,y)连接起来为止。 检测阶跃边缘的基本思想是在图像中找出具有局部最大梯度幅值的像素点。虽然Canny 边缘检测算法也有本身的针对性和局限性,但canny 算子边缘检测算法则既能滤去噪声又保持边缘特性的边缘检测的一阶微分算法中的最佳选择方法。 3 算法过程 4 实现过程 1）读入图像： clear;clc;i=imread(light.jpg);k=rgb2y(i);%获取h分量，即亮度分量 根据边缘的定义，边缘检测的目的是标识 \o 数字图像 数字图像中 \o 亮度 亮度变化明显的点。 又根据公式Brightness = 0