码迷,mamicode.com
首页 > 编程语言 > 详细

canny边缘检测算法的原理

时间:2021-05-24 05:41:01      阅读:0      评论:0      收藏:0      [点我收藏+]

标签:lazy   can   xixi   也有   为什么   保存   数据结构   量化   选择   

前几天写了一篇canny边缘检测算法,比较偏算法公式和实现,具体为什么这样做和原理没有讲清楚,想在这一篇中讲一下,让研究canny算法的人不仅知道算法公式和实现,同时也能明白为什么这样做。

主要参考下面一个博客文章

https://www.cnblogs.com/xiximayou/p/13139426.html

这篇链接中,对于canny中每一步实现的目的给出了详细说明,比较通俗易懂。比如讲非极大值抑制,目的就是判断是否为局部最大值,如果不是,就可以排除不能够构成边缘的所有不需要的像素。目的,你得到的结果是带有“细边”的二进制图像,并给出了图示解释怎么获取到细边j。对于磁滞阈值法,同样给出图片讲解,目的是保存连接强边界的弱边界点,去除不连接强边界的弱边界点,同样也给出图片解释,比较容易通俗易懂。

1、非极大值抑制的目的:
在获得梯度大小和方向后,将对图像进行全面扫描,以去除可能不构成边缘的所有不需要的像素。为此,在每个像素处,检查像素是否是其在梯度方向上附近的局部最大值。查看下面的图片:

技术图片

 

 

2、磁滞阈值法

该阶段确定哪些边缘全部是真正的边缘,哪些不是。为此,我们需要两个阈值minValmaxVal。强度梯度大于maxVal的任何边缘必定是边缘,而小于minVal的那些边缘必定是非边缘,因此将其丢弃。介于这两个阈值之间的对象根据其连通性被分类为边缘或非边缘。如果将它们连接到“边缘”像素,则将它们视为边缘的一部分。否则,它们也将被丢弃,见下图:

技术图片

 

  边缘A在maxVal之上,因此被视为“确定边缘”。尽管边C低于maxVal,但它连接到边A,因此也被视为有效边,我们得到了完整的曲线。但是边缘B尽管在minVal之上并且与边缘C处于同一区域,但是它没有连接到任何“确保边缘”,因此被丢弃。因此,非常重要的一点是我们必须相应地选择minValmaxVal以获得正确的结果。

3、图片举例

 

3.1、非极大值抑制之前的边界信息图:

技术图片

 

 3..2、非极大值抑制处理,并且大于high阈值的强边界的图片:

技术图片

 

 3.3 基于非极大值抑制后的强边界基础上,进行磁滞阈值处理结果:

技术图片

 

 

 

从上面三个图片可以看出确实将边界细化,同时凸显出强边界,最后一张加上部分弱边界点,将断断续续强边界连接起来了。广大网友如果看懂了canny算法的原理,就可以看上一篇的算法公式和边界方向量化手段,可以进行程序撰写。如果需要相关这方面的程序,可以给我发消息,我也可以提供。有opencv的mat数据结构实现的canny算法,也有直接用二维数组实现的canny算法。还有直接调用opencv的canny函数。

canny边缘检测算法的原理

标签:lazy   can   xixi   也有   为什么   保存   数据结构   量化   选择   

原文地址:https://www.cnblogs.com/happyhorse72/p/14756009.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!