Canny邊緣檢測原理與C++實現(1)原理部分

轉載請說明出處：http://blog.csdn.net/zhubaohua_bupt/article/details/73826080

Canny邊緣檢測算子是John F. Canny於 1986 年開發出來的一個多級邊緣檢測算法。

Canny 的目標是找到一個最優的 邊緣檢測 算法，最優邊緣檢測的含義是：

好的檢測- 算法可以儘量多地標識出圖像中的實際邊緣。

好的定位- 標識出的邊緣要儘量與實際圖像中的實際邊緣儘量接近。

最小響應- 圖像中的邊緣只能標識一次，而且可能存在的圖像噪聲不該標識爲邊緣

——摘自百度百科

最近作了個項目，須要canny邊緣檢測，可是，在平臺上不支持opencv，因此就研究了一下canny邊緣檢測的原理，並用c++實現算法。

1 原理部分

     Canny邊緣檢測整個流程共分爲4步，分別是

*濾波、

*梯度及方向角計算（加強）、

*邊緣非極大值抑制、

*雙閾值鏈接，

下面以一個圖像邊緣檢測的流程探討一下每一個部分。 原圖爲

 1.1 濾波

        1.1.1爲何要濾波？

           濾波的目的是爲了平滑一些紋理較弱的非邊緣區域，從而更準確的檢測邊緣。

        1.1.2 高斯濾波

                   常見的濾波算法有均濾波、中值濾波、高斯濾波、雙邊濾波等等。咱們知道，均值濾波能夠模糊圖像；

            中值濾波能夠去除椒鹽噪聲； 雙邊濾波能夠保留邊緣，平滑非邊緣區域。canny邊緣檢測使用的高斯濾波，

            和均值、雙邊濾波同樣，高斯濾波也是經過對圖像模板卷積實現的，  只不過模板的內容不同。下面探究一下高斯濾波：

            高斯濾波的模板（高斯核）是利用高斯函數造成的。

               

     

 

高斯核造成中有一個比較重要的參數，即方差，方差控制着高斯濾波對圖像的平滑程度。方差越大，濾波後的圖像越平滑。

極限狀況下，方差無限大，高斯濾波退化成均值濾波。濾波就說到這裏，關於高斯濾波更詳細的特性能夠自行百度。

1.1.3 高斯核爲3，7時的效果

1.2 梯度及方向角計算

canny利用sobel算子來計算通過濾波後，圖像的梯度和方向角。

高斯核大小分別爲3，7時，sobel效果

1.3 非極大值抑制

在圖像邊緣區域，其附近梯度值每每都很大，爲了知足最小響應標準，canny採用了非極大值抑制，
      來去除真實邊緣附近的其餘梯度較大的區域。
      非極大值抑制的思想是，沿着梯度方向，若是當前待檢測像素的梯度不是最大值，那麼，此像素就不是邊緣。

爲了簡化計算，因爲一個像素周圍有八個像素，本文把一個像素的梯度方向離散爲八個方向，以下圖

把像素可能的360梯度方向分爲8個扇區，每一個扇區對應一個像素位置。這樣就能夠不利用插值，計算像素沿梯度方向先後的兩個像素值。
     這樣，對於一個像素，其先後像素的計算就對應4種狀況，好比像素p的梯度方向角爲12.1度，
     那麼該像素沿着梯度方向先後的兩個像素分別爲(i-1,j+1),(i+1,j-1)。

高斯核分別爲3，7時 ，通過非極大值抑制後的邊緣

1.4 雙閾值鏈接

         通過以上3個步驟，咱們已經能夠獲得一個通過非極大值抑制的邊緣圖像，若是沒有什麼特殊要求，這個邊緣圖像就能夠利用了。

       之因此要有雙閾值鏈接這一步，是由於在獲取圖像邊緣時，咱們但願獲得一些梯度比較大邊緣，即獲得一些特徵較鮮明的邊緣。

        這樣就必須設定一個閾值highThreshold來卡一下梯度值，只有圖像梯度值大於highThreshold時才認爲這些邊緣特徵鮮明。可是，

       以下圖， 只設定一個閾值會出現這樣的問題，就是檢測到的邊緣不連續，

   

        爲了獲得特徵明顯且連續的邊緣，所以，canny採用了雙閾值鏈接法。

       即再設定一個低閾值，lowThreshold，用lowThreshold卡一下梯度圖像，記錄所用大於此閾值的像素位置，用來鏈接通過highThreshold閾值後

      不連續的邊緣。鏈接後圖像以下，lowThreshold和highThreshold 一低 一高，爲何叫雙閾值，相信一下就明白了吧。

        雙閾值鏈接效果，高斯核分別爲3，7

  

      實現部分見下篇博客

參考：

1 http://blog.csdn.net/yanmy2012/article/details/8110316

2 http://blog.csdn.net/xiajun07061225/article/details/6926108

3 http://www.cnblogs.com/qiqibaby/p/5289977.html

4 http://blog.csdn.net/dcrmg/article/details/52344902