标签:mic src 处理 ann set 图像处理 lse 函数 end
我可没直接调用系统函数,要是那样就太水了。其实我的matlab代码很容易就能翻译成c/c++的。
canny边缘检测一共四个部分:
1.对原图像高斯平滑
2.对高斯平滑后的图像进行sobel边缘检测。这里需要求横的和竖的还有联合的,所以一共三个需要sobel边缘检测图像。
3.对联合的sobel检测图像进行非极大抑制
4.连接边缘点并进行滞后阈值处理。
下面是代码:
main.m
1 clear all;
2 close all;
3 clc;
4
5 img=imread(‘lena.jpg‘);
6 imshow(img);
7 [m n]=size(img);
8 img=double(img);
9
10 %%canny边缘检测的前两步相对不复杂,所以我就直接调用系统函数了
11 %%高斯滤波
12 w=fspecial(‘gaussian‘,[5 5]);
13 img=imfilter(img,w,‘replicate‘);
14 figure;
15 imshow(uint8(img))
16
17 %%sobel边缘检测
18 w=fspecial(‘sobel‘);
19 img_w=imfilter(img,w,‘replicate‘); %求横边缘
20 w=w‘;
21 img_h=imfilter(img,w,‘replicate‘); %求竖边缘
22 img=sqrt(img_w.^2+img_h.^2); %注意这里不是简单的求平均,而是平方和在开方。我曾经好长一段时间都搞错了
23 figure;
24 imshow(uint8(img))
25
26 %%下面是非极大抑制
27 new_edge=zeros(m,n);
28 for i=2:m-1
29 for j=2:n-1
30 Mx=img_w(i,j);
31 My=img_h(i,j);
32
33 if My~=0
34 o=atan(Mx/My); %边缘的法线弧度
35 elseif My==0 && Mx>0
36 o=pi/2;
37 else
38 o=-pi/2;
39 end
40
41 %Mx处用My和img进行插值
42 adds=get_coords(o); %边缘像素法线一侧求得的两点坐标,插值需要
43 M1=My*img(i+adds(2),j+adds(1))+(Mx-My)*img(i+adds(4),j+adds(3)); %插值后得到的像素,用此像素和当前像素比较
44 adds=get_coords(o+pi); %边缘法线另一侧求得的两点坐标,插值需要
45 M2=My*img(i+adds(2),j+adds(1))+(Mx-My)*img(i+adds(4),j+adds(3)); %另一侧插值得到的像素,同样和当前像素比较
46
47 isbigger=(Mx*img(i,j)>M1)*(Mx*img(i,j)>=M2)+(Mx*img(i,j)<M1)*(Mx*img(i,j)<=M2); %如果当前点比两边点都大置1
48
49 if isbigger
50 new_edge(i,j)=img(i,j);
51 end
52 end
53 end
54 figure;
55 imshow(uint8(new_edge))
56
57 %%下面是滞后阈值处理
58 up=120; %上阈值
59 low=100; %下阈值
60 set(0,‘RecursionLimit‘,10000); %设置最大递归深度
61 for i=1:m
62 for j=1:n
63 if new_edge(i,j)>up &&new_edge(i,j)~=255 %判断上阈值
64 new_edge(i,j)=255;
65 new_edge=connect(new_edge,i,j,low);
66 end
67 end
68 end
69 figure;
70 imshow(new_edge==255)
get_coords.m
1 function re=get_coords(angle) %angle是边缘法线角度,返回法线前后两点
2 sigma=0.000000001;
3 x1=ceil(cos(angle+pi/8)*sqrt(2)-0.5-sigma);
4 y1=ceil(-sin(angle-pi/8)*sqrt(2)-0.5-sigma);
5 x2=ceil(cos(angle-pi/8)*sqrt(2)-0.5-sigma);
6 y2=ceil(-sin(angle-pi/8)*sqrt(2)-0.5-sigma);
7 re=[x1 y1 x2 y2];
8
9 end
connect.m
1 function nedge=connect(nedge,y,x,low) %种子定位后的连通分析
2 neighbour=[-1 -1;-1 0;-1 1;0 -1;0 1;1 -1;1 0;1 1]; %八连通搜寻
3 [m n]=size(nedge);
4 for k=1:8
5 yy=y+neighbour(k,1);
6 xx=x+neighbour(k,2);
7 if yy>=1 &&yy<=m &&xx>=1 && xx<=n
8 if nedge(yy,xx)>=low && nedge(yy,xx)~=255 %判断下阈值
9 nedge(yy,xx)=255;
10 nedge=connect(nedge,yy,xx,low);
11 end
12 end
13 end
14
15 end
每步运行效果:
原图
高斯模糊后
sobel边缘检测后
非极大抑制后
上阈值120,下阈值100检测结果。
其实应该还有一个sigma变量,这个是控制高斯模板用的,如果自己做模板当然需要sigma了,这里就不需要了。至于如何做高斯模板,看这里。
我主要参考了《特征提取与图像处理》这本书。
标签:mic src 处理 ann set 图像处理 lse 函数 end
原文地址:https://www.cnblogs.com/ybqjymy/p/13645322.html