Canny算法主要包括4步:
- 利用高斯算子对图像进行平滑;
- 由于对图像求一阶或二阶导数很容易放大噪声,将噪声判断为边缘,因此预先要做一次平滑来减少其影响,canny算法采用的是高斯算子与源图像卷积,其中高斯算子在之前图像滤波中有过介绍。
找寻图像的强度梯度; 采用Sobel算子来计算X和Y方向上的梯度值,并将它们的二范数及几何平均值作为梯度的强度信息,将它们和向量的夹角作为梯度的方向信息。 - 应用非最大抑制方式来消除误检;
保留每个像素点梯度方向的极值,将模糊的边界变得清晰,具体做法是先将梯度方向近似为上下左右和45度方向中的一个(0,45,90,135,180,225,270,315),再比较该像素点与其梯度方向上的像素点的梯度强度,若最大则保留,否则抑制。 - 采用双阈值方式来判断边缘。
Canny算法采用双阈值的方法,若梯度强度大于阈值上界则必认为是边界,若梯度强度小于阈值下界则必然认为不是边界,两者之间者需要进一步判断,若若边界周围存在强边界则认为是边界,不存在则认为该弱边界需要被抑制。
Opencv函数
CVAPI(void) cvCanny( const CvArr* image, CvArr* edges, double threshold1, double threshold2, int aperture_size CV_DEFAULT(3) );
参数一:源图像
参数二:输出边界图像
参数三:下边界阈值
参数四:上边界阈值
参数五:Sobel算子的模板大小,默认为3
注:使用canny算法需要先将源图像转化为单通道图像。
代码如下:
IplImage *g_src, *dst;
g_src = cvCreateImage(cvGetSize(m_ipl), IPL_DEPTH_8U, 1);
cvCvtColor(m_ipl, g_src, CV_RGB2GRAY);
dst = cvCreateImage(cvGetSize(g_src), IPL_DEPTH_8U, 1);
CEdit *m_edit_thre = (CEdit*)GetDlgItem(IDC_THRE);
CString th;
m_edit_thre->GetWindowTextA(th);
int t = atoi(th);
cvCanny(g_src,dst,t,t*1.2,3);
cvNamedWindow(_T("边缘检测后的图像"));
cvShowImage(_T("边缘检测后的图像"), dst);
cvReleaseImage(&g_src);
cvReleaseImage(&dst);