Canny边缘检测算法
一、边缘检测的步骤
1）滤波： 边缘检测的算法主要是基于图像强度的一阶和二阶导数，但导数通常对噪声很敏感，
因此必须采用滤波器来改善与噪声有关的边缘检测器的性能。常见的滤波方法主要有高斯滤波、均值滤波等。
2）增强： 增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将图像灰度点邻域
强度值有显著变化的点凸显出来。在具体编程实现时，可通过计算梯度幅值来确定。一般用sobel算子
3）检测： 经过增强的图像，往往邻域中有很多点的梯度值比较大，而在特定的应用中，这些
点并不是我们要找的边缘点，所以应该采用某种方法来对这些点进行取舍。实际工程中，常用
的方法是通过阈值化方法来检测。细化边缘（找到真正的边缘）
二、最优边缘定义
三、Canny边缘检测算法步骤
1. 对图像进行灰度化
2. 对图像进行高斯滤波
3. 计算梯度幅值和方向（如使用Prewitt，Sobel算子等）
4 对梯度幅值进行非极大值抑制
5 用双阈值算法检测和连接边缘
1、 对图像进行灰度化：
2、 对图像进行高斯滤波：
1、高斯平滑
进行高斯滤波之前，需要先得到一个高斯滤波器（kernel）。如何得到一个高斯滤波器？其实就是将高斯函数离散化，将滤波器中对应的横纵坐标索引代入高斯函数，即可得到对应的值。不同尺寸的滤波器，得到的值也不同，下面是 (2k+1)x(2k+1) 滤波器的计算公式 :
5×5的卷积核 k=2
3.计算梯度幅值和方向（如使用Prewitt，Sobel算子等）
4、根据梯度方向角对梯度幅值进行非极大值抑制
非极大值抑制（Non-Maximum Suppression，NMS）： 顾名思义就是抑制不是极大值的元素，可以理解为局部最大搜索。这个局部代表的是一个邻域，邻域有两个参数可变，一是邻域的维数，二是邻域的大小。
理解： 保留局部最大值，抑制非局部最大值的所有值
1、Canny中的非极大值抑制
重点：Canny中的非极大值抑制是沿着梯度方向对幅值进行非极大值抑制，而非边缘方向。
思想：
1）、计算当前点的梯度方向，并在梯度方向连线与邻域交点进行插值（使用梯度值插值而非像素值），获得dTmp1,和dTmp2
其中，dTmp1用g1与g2进行插值，dTmp2用g8与g9进行插值，即使用与交点相邻的两个像素点的 梯度值 进行插值。其中，g1、g2、…、g9表示该点的梯度强度，是梯度幅值。
其他三种情况同理，根据 梯度方向 的不同选择不同点的梯度值进行插值
单线性插值原理如下：
单线性插值化简可得： y =（y1-y0) * [(x-x0)/(x1-x0)] + x0
2) 将当前像素的梯度强度与沿正负梯度方向上的两个梯度插值点dTm1和dTm2进行比较。
3) 如果当前像素的梯度强度与dTm1和dTm2的梯度强度相比是最大的，则该像素点的梯度值保留，作为边缘点，否则该像素点的的梯度值将被抑制（的梯度值置为0）。这样可以抑制非极大值，保留局部梯度最大的点的的梯度值，以得到细化的边缘。
5、用双阈值算法检测和连接边缘
还要进行双阈值处理的原因：
完成非极大值抑制后，会得到一个以梯度局部极小值构成的图像，在图像上显示的就是有许多离散的点点，因此要把真正是边缘的点连接起来，同时去除孤立的噪声点。
思想：
双阈值检测：
算法步骤：
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/208116.html原文链接：https://javaforall.net
