基于Canny算子的边缘检测及评价_林卉
基于canny算子的改进边缘检测算法
Gx ( x, y ) G ( x, y 1) G ( x, y 1) ， G y ( x, y ) G ( x 1, y ) G ( x 1, y ) 。
Gx ( x, y ) 、 G y ( x, y ) 分别为点 ( x, y ) 处
在 x 方向和 y 方向的一阶偏导。 (3)非极大值抑制 将边缘的梯度方向按照水平、竖 直、45°和135°四个方向，用不同的邻 近像素进行比较，确定局部极大值。若某 个像素的灰度值与梯度方向上前后两个像 素的灰度值相比不是最大，该点即为非边
1.如何保证物业系统的成功实施 项目的成功实施离不开管理层的支 持，配套推行相应的管理制度，如公司 规定：业务人员每天要将信息及时录入系 统，作为公司、集团层面分析的依据，公 司根据系统中的业务资料，作为主要分析 的依据，同时每月对业务员做量化考评。 通过管理考评体系配合管理软件在基层的 实施取得很好的效果，有效的提高出租率 和收费数据分析精密度。强调将配套的制 度和软件有机结合起来。一方面作为一套 好的管理软件中应该带有完整的管理考核 体系配套，另一方面管理制度的执行同样 也需要管理软件的支撑和实现。 合双边滤波和Canny算子的优越性，提出 一种新的Canny边缘检测算法，该算法用 滤波性能较好的双边滤波代替传统Canny 边缘检测中的高斯滤波，对含噪图像具有 更好的边缘检测效果。 双边滤波是一种非线性的2D信号滤 波方法 ，是图像的空间临近度和像素相 似度的一种折衷处理[5]，是通过像素的加 权平均而定义的，利用强度的变化来保存 图像边缘信息。设BF为双边滤波的符号， 由下式定义[6]：
1.引言 边缘检测技术是数字图像处理中的 一项重要技术，边缘检测的主要目的就是 实现对目标图像的精确定位。边缘是图像 的基本特征，是图像分割的重要依据，也 是纹理特征的重要信息源和形状特征分析 的基础，边缘检测的效果将直接影响到图 像理解和识别的性能 。经典的边缘检测 算子，如Robert、Prewitt、Log等，简 单、易于实现，但对噪声敏感、抗干扰性 能差，边缘不够精细[2]。相比这些算子， Canny算子具有更好的信噪比和检测精 度，在图像边缘检测领域中具有更加广泛 的应用范围。 但是，实际图像中，存在着许多噪 声，这时，若仍采用传统Canny算子进行 边缘检测，会将一些噪声点误作边缘点检 测，导致提取的边缘轮廓模糊、不精确， 因此，我们需要对传统Canny算子加以改 进。 本文提出了一种基于Canny算子而改 进的边缘检测算法，该算法既可以较好地 滤除噪声，又可以提高目标边缘的定位精 度、抑制虚假边缘和去除冗余弱边缘，呈 现出了一个更为清晰的图像边缘检测结 果，比传统Canny算法具有更好的性能。 2.传统canny边缘检测算法 Canny提出了边缘检测性能优劣的3 个判断准则[3]： 高信噪比准则：即输出信号的信噪 比最大，以降低边缘点判断为非边缘点 和非边缘点判为边缘点的概率。信噪比越 大，误检率越低。 高定位精度准则：好的定位性能， 即检测出的边缘点要尽可能在实际边缘的 中心 单边缘相应准则：即单一边缘只有 惟一响应，并且对虚假边缘响应应得到最 大抑制。 2.1 传统canny算法边缘检测步骤
基于改进Canny_算法的图像边缘检测
第 22卷第 8期2023年 8月Vol.22 No.8Aug.2023软件导刊Software Guide基于改进Canny算法的图像边缘检测窦蕾萍，吴君钦（江西理工大学信息工程学院，江西赣州 341000）摘要：针对传统Canny算法对椒盐噪声敏感，在计算梯度幅值时只考虑了水平与垂直方向、在非极大值抑制过程中仅依据梯度方向的梯度幅值，从而导致梯度计算不准确、滤波后图像边缘模糊等问题，提出一种改进的Canny边缘检测算法。
首先，结合自适应中值滤波与引导滤波的混合滤波器不仅能有效去除图像中的椒盐噪声，还能更好地保存图像边缘；然后，利用4个方向Sobel算子模板计算图像梯度；最后，在非极大值抑制过程中，采用自适应线性插值方法提升边缘检测精度。
仿真实验表明，所提算法不仅能有效滤除椒盐噪声，并且相较于传统Canny算法能检测出更多边缘细节。
关键词：图像边缘检测；Canny算法；混合滤波；4个方向Sobel算子；自适应线性插值DOI：10.11907/rjdk.222062开放科学（资源服务）标识码（OSID）：中图分类号：TP391.41 文献标识码：A文章编号：1672-7800（2023）008-0216-05Image Edge Detection Based on Improved Canny AlgorithmDOU Leiping， WU Junqin（School of Information Engineering， Jiangxi University of Technology， Ganzhou 341000，China）Abstract：Aiming at the problem that the traditional Canny algorithm is sensitive to salt-and-pepper noise， only vertical and horizontal direc⁃tions are considered when calculating the gradient amplitude， and only the gradient amplitude in the gradient direction is used in the process of non maximum suppression， which leads to inaccurate gradient calculation and blurred image edges after filtering， an improved Canny edge detection algorithm is proposed. First， the hybrid filter combining adaptive median filter and guided filter can not only effectively remove salt-and-pepper noise in the image， but also better preserve the image edges； Then， use the Sobel operator template in four directions to calculate the image gradient； Finally， in the process of non maximum suppression， the adaptive linear interpolation method is used to improve the edge detection accuracy. Simulation results show that the proposed algorithm can not only effectively filter salt-and-pepper noise， but also detect more edge details than the traditional Canny algorithm.Key Words：image edge detection； Canny algorithm； hybrid filtering； sobel operator in 4 directions； adaptive linear interpolation0 引言目前，边缘检测作为图像处理中极为关键的一部分，已成功应用于航空航天探测、工业监控生产、生物医疗科学等领域［1］，大致可分为一阶微分算子（Sobel、Prewitt等）和二阶微分算子（Laplace等）［2-4］。
基于改进型Canny算子的虹膜图像外边缘检测
基于改进型Canny算子的虹膜图像外边缘检测作者：李毅等来源：《科技传播》2014年第16期摘要基于使用传统Canny算子检测虹膜图像后，部分图像抛物线和圆的检测出现细节不完整等问题，提出一种基于自适应动态阈值的算子。
将整幅图像分割为若干个子区域，令子图像之间有一定区域的重叠，然后依据非极大值抑制之后的输出结果自适应地选取每个子图像的高、低两个阈值。
为了验证改进算法的有效性，因而对CASIAI虹膜数据库进行实验并对结果进行分析，得出改进Canny算法相比传统Canny算子不仅计算复杂度有所降低，而且能够更好地检测边缘信息。
关键词边缘检测；Canny算子；自适应动态阈值中图分类号TP391.4 文献标识码A 文章编号 1674-6708（2014）120-0160-03Abstract In this paper， an arithmetic which is based on adaptive dynamic threshold is put forward. It is directed against the traditional Canny operator detection used in the iris image， which has been confronted with incomplete problems in part of its image parabola and round inspection details. This arithmetic segments the whole image into several sub areas in order to make a certain area of overlap between the sub images. After that， the output of the high and low two thresholds of each sub image will be selected adaptively based on the maximum inhibition. This paper is to verify the validity of the improved arithmetic so that it tests the CASIAI iris database and analyzes the results. It makes a conclusion that compared with the traditional Canny operator， the improved Canny algorithm not only has reduced computing complexity， and it is better capable to detect the edge information.Keywords edge detection； Canny arithmetic； adaptive dynamic threshold0 引言身份鉴别是一个永恒的课题。
基于改进Canny算子与图像形态学融合的边缘检测方法
基于改进Canny算子与图像形态学融合的边缘检测方法赵洁;李玮;郝志鹏;彭慧卿【摘要】传统Canny算法采用高斯滤波会造成图像的过度光滑,容易导致缓变边缘的丢失,而且梯度幅值的计算方法没有充分考虑到3x3邻域内周围像素对中心像素的影响.针对上述存在的问题与不足,结合小波融合技术的优势,提出了一种基于改进Canny算子与图像形态学融合的边缘检测方法,利用改进的Canny算子和图像形态学分别对图像进行边缘检测,然后应用小波融合技术把两种方法检测出来的边缘进行图像融合,得到最终的图像边缘.仿真结果表明,该算法具有较好的抗噪能力,有效地提高了边缘检测的准确性和完整性.【期刊名称】《微型机与应用》【年(卷),期】2011(030)010【总页数】4页(P44-47)【关键词】Canny算子;图像形态学;边缘检测;图像融合【作者】赵洁;李玮;郝志鹏;彭慧卿【作者单位】天津城市建设学院电子与信息工程系,天津300384;天津城市建设学院电子与信息工程系,天津300384;天津城市建设学院电子与信息工程系,天津300384;天津城市建设学院电子与信息工程系,天津300384【正文语种】中文【中图分类】TP301.6边缘检测是图像分割、目标区域识别和特征提取等数字图像分析领域中的重要技术，目前已经成为机器视觉研究领域最活跃的热点课题之一。
传统边缘检测方法包括Roberts算子、Sobel算子等一阶微分算子,以及Laplacian算子、LOG算子等二阶微分算子[1]。
这类算法以满足一阶导数极大值点或者二阶导数过零点作为图像的候选边缘点，通过人为设定的全局阈值作为评价标准去除噪声与弱边缘点，将梯度值小于阈值的候选边缘点删除。
由于微分运算对噪声比较敏感，抗噪声性能差，提取的边缘不够精细,因此在实际应用中受到了限制[2]。
对于边缘检测算子性能优劣，Canny提出了三个评价准则[2]：高信噪比准则、定位精准准则和单一边缘唯一响应准则，并据此提出了Canny边缘检测算子。
基于Canny算子的图像边缘检测算法
基于Canny算子的图像边缘检测算法作者：石桂名等来源：《现代电子技术》2015年第12期据图像的某种特定信息，把目标的边缘与周围的区分开来。
回顾了几种传统的边缘检测方法，并分析它们的优缺点，详细阐述了Canny算子的检测原理和实验方法。
实验结果表明Canny算子是最优的边缘检测算子，能够较稳定地对目标图像进行边缘信息提取，得到较好的检测效果。
关键词：图像处理；边缘检测； Canny算子；参数选择中图分类号： TN911.73⁃34 文献标识码： A 文章编号： 1004⁃373X（2015）12⁃0092⁃02边缘检测算法是图像处理中的一个重要部分，本文比较了几种常用的传统边缘检测算法，分析Canny算法的含义、原理和步骤，并将Canny算法应用于车牌和动物的检测。
实验仿真结果验证了Canny算法的良好性能：提取缘信息的同时，能很好地抑制噪声的干扰，提高了图像边缘检测效果，但对于某些细节过于复杂的图像可能丢失一些信息。
1 边缘检测算法简介Roberts算子是一种利用局部差分来寻找边缘的边缘检测算子，它处理的边缘效果不是很好，不够平滑。
Sobel算子是滤波算子，用于提取边缘时，可以利用快速卷积函数，方法简单，使用率较高，但是不能严格地模拟人的视觉生理特征，提取的图像轮廓并不能令人满意[1]。
Prewitt算子是一种基于一阶微分算子的边缘检测，利用像素点周围邻点的灰度差，在边缘处达到极值检测边缘，除掉一些假边缘，起到了平滑噪声的功能。
Laplacian算子是一个二阶微分算子，定义为梯度（[∇f]）的散度（[∇⋅f]）。
LoG算子也就是高斯拉普拉斯函数，常常用于数字图像的边缘提取和二值化，它结合了Gauss平滑滤波器和Laplacian锐化滤波器，效果更好。
Canny算子是一个多级边缘检测算法，边缘检测效果最好[2⁃3]。
2 Canny边缘检测算子2.1 Canny算法的含义1986年，John F.Canny找到一个可以实现多级边缘检测的算法，命名为Canny边缘检测算子，其含义如下[4]：（1）最佳检测：能够检测到足够多的图像中实际的边缘，减少真实边缘的漏检率和误检率。
基于Canny算子改进的边缘检测算法
法 在边 缘 捡 测 和连 接 过程 『ｆ］『］动 获取 高 低 闽 仇 、 文献 【８】针对 点 的像 素点 称 为端 点 。例如 ，冈 ２中 。点 Ａ的 ８邻 域 内只 有 一·
Ｃａｎｎｙ边 缘检 测 算 法 巾需 要依靠 人 工设 定 闯 倩 而 现 艇边 缘 或 个边 缘点 ，所 以点 Ａ足端 ， 点 Ｂ的 ８邻域 内存两 个 榴邻 的边
ｌ４～ 科 学技 术创 新 ２（）１８．２７
图 ４ 边 缘连 接 窗 口图
由于每 个边 缘均 有 两个 可能 的方 向 ，本 文根 据端 点 ８邻域
内边 缘 点 的位 置判定 边缘 连接 方 向 。定 义与端 点 ８邻 域 内边缘 点位 置 相反 的方 向 为边缘 连接 方 向 。边 缘连 接 窗 口选 择情 况 如
该 算 法的 边缘 连接 性较 强 ，不仅 保 留 了传 统 Ｃａｎｎｙ算 法的 优越性 ，而且 检测 结 果 更加 完整 、全 面地 保 留 了图像 的细 节信息 、
关键 词 ：边缘检 测 ；Ｃａｎｎｙ算 子 ；霍 夫 变换
中 图 分 类 号 ：ＴＰ３９１．４１
文 献 标 识 码 ：Ａ
文 章 编 号 ：２０９６—４３９０（２０１８）２７—００１３－０２
２０１８．２７科 学技 术创新 一１３一
基 于 Ｃａｎｎｙ算子 改进 的边 缘检 测 算 法
王保军 赵 海清 ’ 刘 超 （１、国 网黑龙 江省 电力 有限公 司佳 禾斯供 电公 司，黑 龙江 佳 木斯 １５４（１｛ｌＩ） ！、东北 电力大 学计算 机 学院 ，吉林 吉林 １３２｛１１２）
虚假 边 缘 的 缺 点 ，捉 ｉ¨ 种基 】 边 缘 ｝｝｛似悱 下¨方 向 的连 接 ｒ 缘 点 ，所 以点 Ｂ也是端｝点 、
基于canny算子的边缘检测算法应用研究
基于canny算子的边缘检测算法应用研究作者：陈蒙来源：《电子技术与软件工程》2013年第23期摘要：边缘检测技术是图像处理过程的重要一环，本文主要研究基于canny算则的边缘检测算法中的抑制噪声、寻找亮度梯度、非极大值抑制、边缘的确定和连接等四个过程，并逐个分析其实现过程及作用。
【关键词】边缘检测高斯平滑1 引言随着图像处理技术的发展与广泛应用，现在社会中图像处理的应用领域越来越广泛，如三维重建，医学诊断，图像识别等等。
而图像处理过程中，最重要的一项预处理技术即为边缘检测技术。
图像的边缘是图像特征识别中的重要组成部分。
我们一般认为边缘是图像中周围像素有不连续变化或屋脊变化的像素的集合。
在一幅图像中，边缘特征所表达的信息量在整张图片的特征信息中占有主导地位，对图像特征的识别、分析十分重要。
边缘信息主要从像素值幅度和走向两个方面来表示。
一般来说，沿着边缘走向的像素点灰度值呈连续性变化特征，而垂直于边缘走向的像素点灰度值则呈跳跃性或阶跃性变化特征。
边缘检测技术即为通过一定的算法将图像中的边缘尽可能真实地提取或表示出来的技术。
边缘检测技术发展到目前已有很多类提取算法，但主要的计算原则就借助于类似高斯平滑、傅里叶变换等的数学函数与图像的灰度矩阵进行卷积计算，从而得到横、纵两个方向上的梯度图像和模图像，然后根据梯度方向来进行模的极大值提取，获得需要的图像特征边缘。
本文主要研究的是以canny算子为检测手段的边缘检测算法。
2 canny边缘检测算法任何一个边缘检测算法的原则都是真实、详尽地标识出原图像的实际边缘，同时又尽可能避免图像中的噪点、伪边缘等噪声的干扰，找到一个最优的图像边缘。
Canny边缘检测算法也是如此，一般由抑制噪声、寻找梯度亮度、非极大值抑制、确定和连接边缘这四步完成的。
2.1 1抑制噪声任何图像在进行边缘检测之前，都要进行抑制噪声的预处理。
它是所有图像处理过程的第一步。
图像的噪声主要有椒盐噪声和高斯噪声两种，而绝大部分图形的干扰噪声属于高斯噪声，因此canny算法的第一步采用的是运用二维高斯平滑模板与原图像数据进行卷积计算，而得到抑制噪声后的待处理图像。
基于改进Canny算法的物体边缘检测算法
基于改进Canny算法的物体边缘检测算法物体边缘检测是计算机视觉中的一项重要任务，它在图像分析、物体识别和图像处理等领域具有广泛的应用。
Canny算法作为一种经典的边缘检测算法，被广泛应用于实际工作中。
然而，传统的Canny算法在处理一些复杂场景的边缘检测时存在一些问题，如边缘连接不准确、噪声敏感性较高等。
本文将介绍一种基于改进Canny算法的物体边缘检测算法，以解决传统Canny算法存在的问题。
1. 算法背景物体边缘检测是获取图像中物体边缘位置的过程，它对于图像中物体的形状和轮廓分析起着关键作用。
传统的Canny算法主要包括以下几个步骤：高斯平滑、计算梯度幅值和方向、非极大值抑制、双阈值处理和边缘连接。
然而，传统Canny算法对噪声比较敏感，而且在边缘连接过程中常常会出现断裂或连接错误的情况。
2. 改进的Canny算法为了改善传统Canny算法的缺点，我们提出了一种改进的Canny算法，具体步骤如下：2.1 高斯平滑首先对输入图像进行高斯平滑操作，以降低图像中的噪声。
我们采用一个合适大小的高斯卷积核对图像进行卷积操作，得到平滑后的图像。
2.2 计算梯度幅值和方向在平滑后的图像中，我们计算每个像素点的梯度幅值和方向。
可以使用Sobel、Prewitt等算子对图像进行梯度计算，得到梯度幅值和方向图像。
2.3 非极大值抑制在梯度幅值和方向图像中，我们进行非极大值抑制操作，以找到边缘的细化位置。
对于每个像素点，我们判断其梯度方向，并与相邻的两个像素进行比较，如果当前像素的梯度幅值最大，则保留，否则置零。
2.4 双阈值处理在进行非极大值抑制后，我们进行双阈值处理，以将真正的边缘从噪声中区分出来。
设置一个较高的阈值和一个较低的阈值，对梯度幅值进行判断，如果大于高阈值，则被认为是强边缘；如果处于低阈值和高阈值之间，则被认为是弱边缘；如果小于低阈值，则被认为是噪声。
2.5 边缘连接在双阈值处理后，我们进行边缘连接操作，以连接断裂的边缘线段。
基于Canny算子的彩色图像边缘检测算法
基于Canny算子的彩色图像边缘检测算法【摘要】本文将Canny算子应用于彩色图像，针对单尺度滤波器的缺点，本文采用改进的多尺度滤波器对彩色图像进行平滑。
通过实验证明，本文所采取的彩色图像边缘检测方法对噪声有很好的抑制作用，并且能够提取比较完整的图像边缘，是一种有效的检测方法。
【关键词】彩色图像；Canny算子；多尺度高斯滤波器1、引言边缘检测是图像处理中最基础也是最重要的部分。
其中有关灰度边缘检测的算子众多，有Sobel、Laplace、Roberts、Prewitt、Kisch和Laplacian、Canny等算子[1]，然而，在我们现实生活中的大部分图像是彩色图像，与灰度图像相比，彩色图像能提供更多、更丰富的信息。
经过大量的实验证明，10%的边缘信息通过灰度边缘检测算子是检测不出来的[2]，可能会丢失一些重要信息。
所以彩色图像边缘检测越来越受到人们的关注。
本文选取在RGB颜色空间中进行彩色图像边缘检测，利用Canny算子对彩色图像进行边缘检测，能够继承Canny算子定位准确，单边响应，信噪比高等优点。
然而，Canny算子在进行平滑图像的过程中，采用单尺度高斯滤波器，不能很好的滤除复杂繁多的噪点，针对这些问题，本文采取了一些措施。
2、算法原理2.1 多尺度高斯滤波器平滑图像利用不同尺度的高斯函数对图像进行滤波，在每个尺度下分别对R、G、B 三个分量多维磨光形成新的真彩色图像。
在本文中选取四个不同尺度的滤波器，分别对图像的3个分量进行滤波，然后对三个分量的四个不同结果进行加权求和，最后输出一个滤波图像。
假设，我们选取的四个不同尺度分别是，则利用这四个不同尺度的高斯函数分别对输入图像的R、G、B三分量进行平滑。
对得到的三分量进行加权求和，最后得到一个平滑后的图像，之后对这两个图像进行后续处理。
假设，加权权值，它们的取值与四个不同尺度的选择有关。
在本文中取分别为：（1）最后得到的滤波图像的三分量为公式（2）：其中，分别表示经过四个不同尺度滤波器对三个颜色分量滤波后的三分量图。
基于Canny的自适应边缘检测算法及性能评估
基于Canny的自适应边缘检测算法及性能评估张心言;赵冉阳【摘要】Edge detection is a basic problem of image processing and one of the hot areas of research. Today' s mainstream edge detection operator theory and methods still have some shortcomings,such as the poor balance between positioning accuracy and noise filtering. The traditional Canny operator is lack of the automation process capability,aiming at breaking the limit,an efficient method of adaptive Canny algorithm is proposed. The method chooses the filter to suppress the noise adaptively according to image noise features. By expanding gra-dient calculation to 4-directions,non-maximal suppression is simplified to refine the edge,the adaptive threshold is computed by the maximum value,average and variance of gradient amplitude to extract edge. In order to estimate the detection capability of each operator, a comprehensive performance evaluation method based on edge characteristics is proposed,judging the detection results by comparing the external features,location accuracy,anti-noise performance and computing time. The theoretical and experimental result shows that the improved operator is easy to realize,which can position the edge accurately,with high detection precision,can process different noise im-age flexibly,fulfilling the requirement of practical application.%边缘检测是图像处理的基础问题之一,也是该领域的研究热点.而当今主流边缘检测算子的理论和方法尚存在一些不足,如定位精度与噪声滤除间的平衡性较差等.针对Canny算子自适应性较差等不足,提出一种改进方法.根据图像噪声特征自适应地选择滤波器抑制噪声,扩展梯度运算至4方向并简化边缘细化处理过程,根据梯度幅值的最大值、平均值和方差等计算自适应阈值提取边缘.为评价各算子的检测能力,基于边缘的特征提出综合性能评估方法,通过比较边缘的外部特征、定位精度、抗噪性和运算时长等判断边缘检测效果.通过分析实验数据发现,改进算子实现简单,能准确定位边缘,检测精度高,可灵活处理不同噪声图像,能较好地满足实际应用的需要.【期刊名称】《计算机技术与发展》【年(卷),期】2015(025)011【总页数】6页(P32-37)【关键词】边缘检测;Canny;自适应平滑;自适应阈值;性能评估【作者】张心言;赵冉阳【作者单位】四川大学视觉合成图形图像国防重点实验室,四川成都 610065;四川大学视觉合成图形图像国防重点实验室,四川成都 610065【正文语种】中文【中图分类】TP301.6边缘[1]是指图像局部灰度差异明显的区域，由灰度突变引起，主要存在于目标与背景间、目标与目标间，是图像最主要的不变性特征，也是人类最敏感的图像特征。
自适应Canny算子边缘检测技术
幅值为
M [ i , j ] = ( Px [ i , j ]) 2 + ( Py [ i , j ]) 2 , (4) 梯度方向为
θ[ i , j ] = arctan ( Py [ i , j ]/ Px [ i , j ]) . (5) 11 3 对梯度幅值进行非极大值抑制
为了提取单像素宽边缘 ,必须细化梯度幅值图. 在梯度幅值图像中 , M [ i , j ]的极大值所在位置附近
前已述及 ,高低阈值的确定还是无法避免人为 因素的干扰 ,不具备自适应性和鲁棒性 ,不适合实际 工程应用. 因此 , 提出了完全可以排除人为干扰因 素 ,针对不同图像 ,自适应地确定相关阈值的方法.
2 基于梯度幅度直方图和类内方差最小 化动态的自动确定高低阈值
21 1 基于梯度幅度直方图的类内特性方差最小化 1979 年 ,Ot su[8] 根据最小二乘原理推导出来了
若此点的模极大值在邻域中最大等提出了模糊控制算法对阈值间的像素进行提取按此规则进行边缘提取和连接例系数hratioratio是一样的但是计算机计算出的高低阈值却是不同的这说明这种依靠人为设定阈值比例系数的自适应的方法较人为设定阈值进行试凑的方法有一定的灵活性但是发现在图中边缘检测的效果虽然损失一些细节信息但边缘检测整体效果较好但在图中发现采用同样的比例因子却误检了很多冗余信息针对不同的图片采用一致的比例系数是不科学的采用传统的cany边缘检测技术得到的结果均漏掉了一些边缘信息但得到各图检测结果所采用的比例系数和得到各这说明在应用传统的canny算子进行边缘检测的时候为了得到较好的检测结果需要反复的凭经验试凑而且系数的选取较难掌握为采用该文的方法所确定的阈值进行边缘检测的发现不需要人为的设定比例系数或者阈值即可实现较好效果的边缘检测细节信息和整体轮廓较好
基于Canny算子的图像边缘检测与提取的算法
６９科技资讯 科技资讯 ＳＣＩＥＮＣＥ ＆ ＴＥＣＨＮＯＬＯＧＹ ＩＮＦＯＲＭＡＴＩＯＮ２００７ ＮＯ．３４ＳＣＩＥＮＣＥ ＆ ＴＥＣＨＮＯＬＯＧＹ ＩＮＦＯＲＭＡＴＩＯＮＩ Ｔ 技 术物体的边缘是以图像局部的不连续性的形式出现的，例如，灰度值的突变，颜色的突变，纹理结构的突变等。
从本质上说，边缘常常意味着一个区域的终结和另一个区域的开始。
图像边缘信息在图像分布和人的视觉中都是十分重要的，是图像识别中提取图像特征的一个重要属性，而边缘提取算法则是图像边缘检测问题中经典技术难题之一。
它的解决对于我们进行高层次的特征描述、识别和理解等有着重大的影响，又由于边缘检测在许多方面都有着非常重要的使用价值，所以人们一直在致力于研究和解决如何构造出具有良好性质及好的效果的边缘检测算子的问题。
边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界线。
我们将边缘定义为图像中灰度发生急剧变化的区域边界。
图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此我们可以用局部图像微分技术来获得边缘检测算子。
Ｃａｎｎｙ（坎尼）算子这种方法是以待处理像素为中心的邻域作为进行灰度分析的基础，实现对图像边缘的提取并已经取得了较好的处理效果。
由于Ｃａｎｎｙ边缘算子具有许多优点，所以重在介绍。
Ｃａｎｎｙ算子检测方法的优点：①低误码率，很少把边缘点误认为非边缘点；②高定位精度，即精确地把边缘点定位在灰度变化最大的像素上；③抑制虚假边缘。
１ Ｃａｎｎｙ边缘检测基本原理具有既能滤去噪声又保持边缘特性的边缘检测最优滤波器，其采用一阶微分滤波器。
采用二维高斯函数的任意方向上的一阶方向导数为噪声滤波器，通过与图像卷积进行滤波；然后对滤波后的图像寻找图像梯度的局部最大值，以此来确定图像边缘。
根据对信噪比与定位乘积进行测度，得到最优化逼近算子，这就是Ｃａｎｎｙ边缘检测算子。
类似与Ｍａｒｒ（ＬＯＧ）边缘检测方法，也属于先平滑后求导数的方法。
２ Ｃａｎｎｙ边缘检测算法，其数学描述如下：ｓｔｅｐ１：用高斯滤波器平滑图象。
基于canny算子的改进边缘检测算法
统 ，作 为 公司 、集 团层 面分 析 的 依 据 ，公 当一部分，来 自由于对计算机系统的不熟 业 信 息 化实 际 上也 是一 个 数据 库 建立 和 管
司 根 据 系统 中的业 务 资 料 ，作 为 主要 分 析
…
…
…
…
…
…
…
…
…
…
．
研发展． ｌ
商 贸城 物 业管理 系统 的实施 与应 用
同济大学 北京 中软 融鑫计算机 系统工程有 限公 司 安喜 军
【 摘 要 】物业管理涉及的 范围较为广泛 ，管理 内容 繁杂 ，加上政 策性变动 因素 ， 日常工作 中需要耗 费大量人力和物力 ，为 了提 高物业管理公 司的管理水平提 高工 作效率 ，必须对 物业管理 的各 项工作进行规 范化管理 ，如物业 资源管理规范化 、 收费规范化、工程设备检 修保养运行记录规 范化、保 洁绿化工作规范化等 ；通 过 规 范化操作对 员工工作进行指 导，提高员工工作 效率与技 能，并且 为减少人事变 动给公 司带来损失 与降低 新员工的培训成本 ；规 范化的手段多种多样 ，如 员工 工
的依 据 ， 同时 每 月对 业 务 员做 量 化考 评 。
训 ，特 别 是基 础 知识 的培 训 ，对 解 决基 层
在企 业 内部通 过成 立信 息化 建设 项 目
通 过 管理 考 评 体系 配 合 管理 软 件在 基 层 的 心理 ，同 时提 高 基层 操 作 熟练 度 都有 很 大 组 ，明确 相 关工 作 的责 权 利 ，借助 外 界 的 实 施 取得 很 好 的效 果 ，有 效 的 提 高 出租 率 好 处 。 和 收 费数 据 分 析精 密 度 。强 调 将配 套 的 制 度 和 软件 有 机 结合 起 来 。一 方 面作 为 一套 ２ ． 物 业 管理 系 统 的实 施原 则 Ｉ Ｔ 管 理 咨询 公 司配合 ，结合 企 业实 际业 务
基于改进型canny算子的跑道边缘检测与识别方法
基于改进型canny算子的跑道边缘检测与识别方法文章介绍了一种基于改进型canny边缘检测算法的跑道边缘检测与识别方法，主要应用于无人机自主着陆视觉导航技术领域。
本方法对拍摄的跑道图像进行采集，得到数字图像，进行预处理，对处理后的图像采用文章引言无人机的自主着陆导航指无人机机载的导航仪器和飞控系统进行定位导航并最终使无人机自主准确降落在指定着陆场的过程。
要想实现自主着陆，无人机必须具备自主导航能力，因此高精度的自主着陆导航技术是无人机自主着陆的关键技术。
迄今为止国内外关于无人机自主着陆导航关键技术的研究主要包括：GPS导航技术研究、惯性导航系统研究、GPS、惯导组合系统的研究以及视觉导航系统的研究。
其中视觉导航技术是一种基于机器视觉的导航技术，该技术利用视觉传感器采集图像，计算机对采集到的图像进行图像处理，根据处理结果得到无人机的定位姿态参数，视觉传感器功耗低、体积小、安装简单方便，此外视觉导航还具有很高的隐蔽性。
因此视觉导航技术应用于无人机的自主着陆，已成为无人机研究的一个重要领域。
基于机器视觉的跑道边缘检测方法流程图图1。
无人机自主着陆最关键的技术在于如何对着陆跑道进行精确的定位，并根据所识别出的着陆跑道和地平线进行精确的计算得到无人机的姿态角信息和相对跑道的位置，再根据角度位置信息引导无人机精确对准跑道，实现安全着陆。
跑道的边缘检测、识别与定位隶属于机器视觉应用于目标识别，是整个自主导航过程中对目标识别的基础。
跑道的长度一般在两千米到四千米之间，宽度一般在三十米到一百米之间。
有时为特征明显，方便识别，设计为T字形，或十字形等。
跑道信息反映在图像中边沿整齐、宽大而平直。
根据跑道特点通常采用如下6条特征信息来描述跑道，其中的灰度特性两条，几何特性四条：（1）跑道灰度值较高。
（2）跑道表面灰度值相近。
（3）跑道长度是限值。
（4）跑道宽度是有限值。
（5）跑道长度远大于跑道宽度。
（6）有两条及以上跑道时，跑道之间相交或平行。
一种基于Canny算子的多重边缘检测算法
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｃａ ｎ ｎ ｙ ｏ ｐ ｅ ｒ ａ ｔ ｏ ｒ ｗａ ｓ ｕ ｓ ｅ ｄ ａ ｓ ａ ｂ ａ ｓ ｉ ｃ ｏ ｐ ｅ ｒ ａ ｔ ｏ ｒ ｔ ｏ ｈ ａ ｖ ｅ ｔ ｈ ｅ ｉ ｆ ｒ ｓ ｔ ｔ ｉ ｍｅ ｅ ｄ ｇ ｅ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ｏ ｆ ｔ ｈ ｅ ｉ ｍａ ｇ ｅ ． Ａ ｆ ｔ ｅ ｒ
ｗａ ｓ ｉｎ ｆ ａ ｌ ｌ ｙ ｇ ｏ ｔ ． Ｔｈ ｅ ｅ ｘ ｐ ｅ ｉｍｅ ｒ ｎ ｔ ｓ ｈ ｏ ｗｅ ｄ ｔ ｈ ａ ｔ ｔ ｈ ｅ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｃ ａ ｎ ｗｅ ｌ ｌ ｒ ｅ ａ ｌ ｉ ｚ ｅ ｔ ｈ ｅ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ｏ ｆ ｔ ｈ ｅ ｅ ｄ ｇ ｅ ｓ， ｅ ｓ ｐ ｅ ｃ ｉ ａ ｌ ｌ ｙ ｔ ｈ ｅ ｗｅ ａ ｋ ｅ ｄｇ ｅ ｓ ． Ｋｅ ｙ ｗｏ ｒ ｄ ｓ：ｅ ｄ ｇ ｅ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ； Ｃａ ｎｎ ｙ ｏ ｐ ｅ ｒ ａ ｔ ｏ ｒ ； ｔ ｏ ｐ— ｈ ａ ｔ ｔ ｒ ａ ｎｓ ｆ ｏ ｍ ａ ｒ ｔ ｉ ｏ ｎ； ｌ ｏ ｇ ａ ｒ ｉ ｔ ｈ ｍ ｔ ｒ ａ ｎ ｓ ｆ ｏ ｍａ ｒ ｔ ｉ ｏ ｎ
林 雯
３ ５ ０ １ ０ ８ ）
（ 福建 江夏 学院信息技术科学学 院， 福建 福州
摘要 ： 选择 Ｃ ａ ｎ ｎ ｙ算子为基础算子 ， 对图像进行第一次边缘 检测 ， 在对 原 图进行顶 帽变换 后进行 二次边 缘检 测 ， 然 后在 顶帽变换的基础上对 图像进行对数变换进行第 三次边缘 检测 ， 将三 次边缘检 测 的结 果叠 加 ， 最 后进行 骨 骼 化处 理 ， 得到清晰简约 的边缘检 测图． 实验结果表 明 ： 该算法能较好地实 现对边缘尤其是弱边缘 的提取 ． 关键 词 ： 边缘检测 ； Ｃ ａ ｎ ｎ ｙ算子 ； 顶帽变换 ； 对数变换
一种基于Canny算子的多重边缘检测算法
一种基于Canny算子的多重边缘检测算法林雯【摘要】Canny operator was used as a basic operator to have the first time edge detection of the image. After the top-hat transformation of the original image, the second time edge detection was applied. On the base of the top-hat transformation image, logarithm transformation was carried out to start the third edge detection. After stacking up the three results of edge detections and skeletonizing it, a clear and simple image of edge detection was finally got. The experiment showed that the algorithm can well realize the extraction of the edges, especially the weak edges.%选择Canny算子为基础算子,对图像进行第一次边缘检测,在对原图进行顶帽变换后进行二次边缘检测,然后在顶帽变换的基础上对图像进行对数变换进行第三次边缘检测,将三次边缘检测的结果叠加,最后进行骨骼化处理,得到清晰简约的边缘检测图.实验结果表明:该算法能较好地实现对边缘尤其是弱边缘的提取.【期刊名称】《北华大学学报（自然科学版）》【年(卷),期】2013(014)001【总页数】4页(P103-106)【关键词】边缘检测;Canny算子;顶帽变换;对数变换【作者】林雯【作者单位】福建江夏学院信息技术科学学院,福建福州350108【正文语种】中文【中图分类】TP391.41目前，图像边缘检测常借助于空域微分算子．经典的基于一阶导数进行边缘检测的算子包括Sobel(索贝尔)、Prewitt(普瑞维特)、Roberts(罗伯特)、Canny(凯尼)算子，经典的基于二阶导数进行边缘检测的算子包括Laplacian(拉普拉斯)、Log(拉普拉斯-高斯)、Zero Crossings(零交叉)算子．经过对不同的边缘检测算子进行分析和比较，Canny算子最不容易受噪声的干扰，能够检测到真正的弱边缘，是相对最有效的边缘检测算子［1］．但Canny算子对一些灰度差很小的弱边缘检测依然存在一定的局限性，在抑制噪声的同时容易丢失小目标细节［2］．本文基于Canny算子，将原图、顶帽变换和对数变换后的图像边缘检测结果叠加并进行骨骼化处理，实现了对图像边缘尤其是弱边缘的提取．1 基本原理1．1 Canny算子Canny边缘检测算子由Canny提出，是经典的基于一阶导数的边缘检测算子，通过对相邻点进行差分处理来增强图像亮度差，当信号没有变化时，一阶导数不会有响应，信号有变化时，一阶导数可以使变化增强．具体的检测步骤如下:1)用高斯滤波器平滑图像，该滤波器带有标准偏差．2)用一阶偏导的有限差分来计算图像的局部梯度和边缘方向．3)对梯度幅值进行非极大值抑制．梯度的方向可以被定义为4个区之一，各个区用不同的邻近像素用来进行比较，以决定局部极大值［3］．梯度方向上其强度局部最大的点被定义为边缘像素．4)用双阈值算法检测．第3步中确定的边缘点会导致梯度幅度图像中出现脊，算法跟踪所有脊的顶部并将所有不在脊的顶部的像素设为0，以便在输出中给出一条细线．脊像素使用双阙值T1和T2进行处理，其中T1＜T2．值大于T2的脊像素称为强边缘像素，T1和T2之间的称为弱边缘像素［3］．5)将8连接的弱像素集成到强像素，连接边缘．1．2 形态学与顶帽变换1．2．1 形态学形态学诞生于1964年，是一门建立在数学基础上的用集合论方法定量描述几何结构的学科．形态学用于几何结构分析的基本思想是运用一定形状的结构元素对图像做出度量和提取，从而分析和识别图像［4-5］．它起初是对二值图像提出的，而后扩展到灰度图像，其关注的是形状［6］．形态学的应用主要分解为结构元素的选择和形态学运算的设计两个问题．所有的形态学处理都基于填放结构元素的概念［7］，要得到图像不同的特征和分析结果，就取决于不同的结构元素．形态学的基本运算包括:1)膨胀:在二值图像中“加长”或“变粗”的操作［3］．可以填充图像中的小孔(相对于结构元素而言比较小的孔洞)及在图像边缘出现的小的凹陷部分［8］．2)腐蚀:“收缩”或“细化”二值图像中的对象［3］．可以消除图像中小的成分．3)开运算:先腐蚀后膨胀的过程，具有消除细小物体，在纤细处分离物体和平滑较大物体边界的作用［8］．4)闭运算:先膨胀后腐蚀的过程，具有填充物体内细小孔洞，连接临近物体和平滑边界的作用［8］．1．2．2 顶帽变换顶帽变换是基于数学形态学的一种图像处理方式．从原图中减去开运算后的图像称为顶帽变换，也叫高帽变换［9］．其中开运算可以用于补偿不均匀的背景亮度，对图像进行开运算可以产生对整个图像背景的合理估计，只要结构元素大到不能完全匹配图像提取中所需要的细节即可．对图像进行顶帽变换后，可以生成一幅具有合适且均匀背景的图像．1．3 对数变换对数变换是对图像进行动态范围处理的基本工具，它对每一个像素对应的灰度级进行对数函数处理g=clog(1+r)，其中，c是一个常数，r为图像处理前的灰度级，g为处理后的灰度级．对数变换实现了图像灰度扩展和压缩的功能．它能够对低灰度值的窄范围进行展宽，对高灰度值的宽范围进行压缩，让图像的灰度分布更加符合人的视觉特征．在对图像进行对数变换后进行边缘提取，由于亮度和对比度的改变，可以得到图像的极弱边缘，但却可能失去一些强边缘．1．4 骨骼化骨骼化是形态学中基于膨胀、腐蚀和查找表操作的组合算法，它将二值图像中的对象约简为一组细骨骼，也就是单像素宽线，这些细骨骼仍保留原始对象形状的重要信息．骨骼化能从图像中抽取出模式的特征信息，大量消除冗余数据［10］，适用于对检测到的边缘线进行约减．2 算法设计若图像为有噪声图像，先对图像进行去噪预处理．选择Canny算子对图像进行第一次边缘提取，此时图像中的一些弱边缘无法提取出来．对图像进行顶帽变换，生成具有均匀背景的图像，其中关键性的问题是结构元素的选择，包括结构元素的大小和形状．对顶帽变换后的图像用Canny算子进行第二次边缘提取，得到更多的弱边缘．对顶帽变换后的图像进行对数变换处理，图像灰度被扩展和压缩，用Canny算子进行第三次边缘提取，得到更多更细节的弱边缘，但部分强边缘由于图像亮度对比度的变化，反而丢失．因此，此次的变换和边缘检测以牺牲部分强边缘为代价，旨在得到更细节的弱边缘．将三次边缘检测得到的边缘图像叠加，使三张图像互补，强弱边缘均得到很好的体现．但三次边缘检测时所检测出的边缘线条可能有微弱偏差，叠加后会造成部分边缘线合并、变粗．将叠加后的图像进行骨骼化处理，得到最终清晰简约的单像素宽线边缘图像．算法流程如图1所示．该算法具体步骤如下:Step 1．若图像为无噪声图直接执行 Step 2到Step 6，若图像为有噪声图，先对图像进行预处理，得到平滑的待检测图像．Step 2．用Canny边缘检测器对待检测图像进行第一次边缘提取．Step 3．对待检测图像进行顶帽变换后，用Canny边缘检测器进行第二次边缘提取．Step 4．对顶帽变换后的图像进行对数变换后，用Canny边缘检测器进行第三次边缘提取．Step 5．将三次边缘提取的结果图像叠加．Step 6．对叠加后的图像进行骨骼化处理，得到最终清晰简约的边缘图像．图1 基于Canny算子的多重边缘检测算法流程Fig．1 The flow of multiple edge detection algorithm based on Canny operator3 边缘检测实验本次实验在matlab开发环境下，以Lean图像作为原始图进行边缘检测实验，对提出的基于Canny算子的多重边缘检测算法进行验证．3．1 用 Sobel，Log 和 Canny边缘检测器进行边缘检测实验先分别用 Sobel，Log和 Canny三种边缘检测器对待检测图像进行边缘检测，分别如图3～5所示，图2为原始图像．其中图5亦可作为基于Canny算子的多重边缘检测算法中的第一次边缘提取图．3．2 基于Canny算子的多重边缘检测算法的边缘检测实验用基于Canny算子的多重边缘检测算法对待检测图像进行边缘检测，实验过程如图5～11所示．本次实验原图进行顶帽变换时选用直径为30形状为圆盘的结构元素．图2 Lena原始图Fig．2 Original image of Lean图3 Sobel算子Fig．3 Sobel operator图4 Log算子Fig．4 Log operator图5 Canny算子Fig．5 Canny operator图6 顶帽变换Fig．6 Top-hat transformation图7 第二次边缘检测Fig．7 Second edge detection图8 对数变换Fig．8 Logarithm transformation图9 第三次边缘检测Fig．9 Third edge detection图10 图像叠加Fig．10 Image overlay图11 边缘检测结果Fig．11 The results of edge detection4 结果与结论实验结果表明:Canny算子进行边缘检测的结果优于Sobel和Log算子，边缘线更加清晰，亦包含更多的弱边缘．将原图进行顶帽变换后，图像背景变均匀，用Canny算子进行第二次边缘检测，得到了原始图中灰度差较小的弱边缘，如大帽檐的连接边缘和背景中一些细节边缘．对顶帽变换后的图像再进行对数变换，图像亮度和对比度都发生了改变，灰度被扩展和压缩，用Canny算子进行第三次边缘检测，得到了原图中灰度差更小的弱边缘，如帽顶部分的连接边缘，帽子装饰部分的细节边缘，但该次检测失去了部分强边缘，如鼻子和下巴的连接边缘．三次边缘检测的结果进行叠加后，强弱边缘互补，强边缘保留，帽顶、帽檐、帽子装饰物及背景的弱边缘亦得到了检测和提取．骨骼化处理后，边缘线条被细化为单像素宽线，得到了清晰简约的边缘图像．从实验结果可以看出，本文所提出的基于Canny算子的多重边缘检测算法能较好地实现图像的边缘检测，计算快，边缘检测效果尤其是弱边缘检测效果明显优于传统的边缘检测器，能够为后续的图像目标识别提供良好的基础．参考文献:【相关文献】［1］林雯．边缘检测算子分析与比较［J］．湖南工业职业技术学院学报，2012，12(5):6-7，25．［2］连洁，韩传久，潘路．基于Canny算法的红外小目标边缘检测方法［J］．微计算机信息，2007，23(18):308-310．［3］ Rafael C Gonzalez，Richard E Woods，Steven L Eddins．数字图像处理［M］．3 版．北京:电子工业出版社，2011．［4］龚炜，石青云，程民德．数字空间中的数学形态学理论及应用［M］．北京:科学出版社，1997．［5］ Haralick R M，Stemberg S R，Zhuang X．Image Analysis Using Mathematical Morphology［J］．IEEE Trans Comput，1987，9(3):532-550．［6］ Mark S Nixon，Alberto S Aguado．特征提取与图像处理［M］．2 版．北京:电子工业出版社，2010:81-89．［7］赵于前．基于数学形态学的医学图像处理理论与方法研究［D］．长沙:中南大学，2006．［8］何新英，王家忠，孙晨霞，等．基于数学形态学和Canny算子的边缘提取方法［J］．计算机应用，2008，28(2):477-478，483．［9］赵伟，王希常，李晓寒．基于顶帽变换和模糊C均值聚类的图像分割方法［J］．计算机技术与发展，2010，20(8):52-55．［10］朱志良，赵新兵．一种新的二值图像细化算法［J］．中国体视学与图像分析，1998，3(2):111-113，67．。
基于Canny算子字符边缘检测与分割方法研究
(4) G是梯度
9G T
矢量 , G = 9x 。 9G
9y
将图像
f ( x, y)同 Gn 作卷积 ,
同时改变
→
n
的方向
,
Gn 3
f ( x,
y)取得最大值时
→
n
的方向就是正交于检测边
缘方向 ,
即使 9 ( Gn 3 f ( x, y) ) 9n
= 0的方向 ,
此时方向
→
n
为
:
→
n= |
G3 f ( x, y) G3 f ( x, y) |
边缘方向 ) 。
113 Canny边缘检测算法
step1: 用高斯滤波器平滑图像 ;
step2: 用一阶偏导的有限差分来计算梯度的幅
值和方向 ;
step3: 对梯度幅值进行非极大值抑制 , 产生细
化的边缘 ;
step4: 用双阈值算法检测和连接边缘 , 从而得到
基于LOG和Canny算子的边缘检测算法
基于LOG 和Canny 算子的边缘检测算法贺 强，晏 立(江苏大学计算机科学与通信工程学院，江苏 镇江 212013)摘 要：针对传统Canny 算子抑制噪声和检测低强度边缘能力不足的问题，提出一种将LOG 算子和Canny 算子相结合的边缘检测方法。
采用LOG 算子对图像进行噪声过滤，从以下3个方面改进Canny 算子实现边缘检测：(1)设计高斯滤波核对过滤掉噪声的图像进行边缘增强，使低强度边缘更容易被检测；(2)在M ×N 邻域中计算梯度幅值和方向；(3)将梯度方向结合梯度幅值计算，使梯度幅值在边缘检测中更具依据性。
对增加椒盐噪声的图像进行实验，结果表明，该方法在最大程度抑制噪声的同时，能检测到更多的低强度边缘。
关键词：Canny 算子；LOG 算子；高斯滤波核；梯度核；梯度幅值Algorithm of Edge Detection Based on LOG and Canny OperatorHE Qiang, YAN Li(School of Computer Science and Communication Engineering, Jiangsu University, Zhenjiang 212013, China)【Abstract 】Aiming at the disability of traditional Canny operator in noise suppression and detecting low-intensity edge, this paper proposes an edge detection method combined LOG operator and Canny operator. LOG operator is used to the picture for noise filtering and Canny operator is improved in the flowing three aspects to execute the edge detection: (1)It designs Gaussian smoothing kernel to intense the edge of picture filtered noise, which makes the low-intensity edge detect easily; (2)Gradient magnitude and direction are calculated by pixels within a M -by-N neighborhood; (3)It integrates gradient direction with the calculation of gradient magnitude, which can be the ground for gradient magnitude in edge detection. Through carrying out a lot experiment for picture increased salt and pepper noise, the method proposed in this paper can not only suppress noise in the largest degree, but also detect more low-intensity edge.【Key words 】Canny operator; LOG operator; Gaussian smoothing kernel; gradient kernel; gradient magnitude DOI: 10.3969/j.issn.1000-3428.2011.03.074计 算 机 工 程 Computer Engineering 第37卷 第3期V ol.37 No.3 2011年2月February 2011·图形图像处理· 文章编号：1000—3428(2011)03—0210—03文献标识码：A中图分类号：TP391.411 概述边缘检测是图像处理领域中最基本的问题，它的解决对于进行高层次的特征提取、特征描述、目标识别和图像理解等有着重大的影响，因此，被广泛应用与模式识别、计算机视觉、图像分割等众多领域。