Canny多级边缘检测算法的C语言实现

[cpp] view plaincopyprint?
1.int nWidth = OpenCvGrayImage->width; //获取图像的像素宽度
2.int nHeight = OpenCvGrayImage->height; //获取图像的像素高度
5.double* nData = new double[nWidth*nHeight]; //两次平滑的中间数据
6.for(int j=0; j<nHeight; j++) //获取数据
1.double nSigma = 0.4; //定义高斯函数的标准差
2.int nWidowSize = 1+2*ceil(3*nSigma); //定义滤波窗口的大小
3.int nCenter = (nWidowSize)/2; //定义滤波窗口中心的索引
3.double dSum_1 = 0.0; //求和，用于进行归一化
4.////////////////////////一维高斯函数公式//////////////////////////////
5.//// x*x /////////////////
3.unsigned char* nImageData = new unsigned char[nWidth*nHeight]; //暂时保存图像中的数据
4.unsigned char*pCanny = new unsigned char[nWidth*nHeight]; //为平滑后的图像数据分配内存
6.//// -1*---------------- /////////////////
7.//// 1 2*Sigma*Sigma /////////////////
10.//// \/2*pi*Sigma /////////////////
11.//////////////////////////////////////////////////////////////////////
16. dSum_1 += pdKernal_1[i];
17.}
18.for(i=0; i<nWidowSize; i++)
19.{
20. pdKernal_1[i] /= dSum_1; //进行归一化
21.}
23.cvNamedWindow("GrayImage",CV_WINDOW_AUTOSIZE);
24.cvShowImage("GrayImage",OpenCvGrayImage); //显示灰度图
25.cvWaitKey(0);
26.cvDestroyWindow("GrayImage");
2.IplImage* OpenCvGrayImage; //定义变换后的灰度图指针
3.unsigned char* ptr; //指向图像的数据首地址
4.if (ColorImage == NULL)
double nSigma = 0.4; //定义高斯函数的标准差 int nWidowSize = 1+2*ceil(3*nSigma); //定义滤波窗口的大小 int nCenter = (nWidowSize)/2; //定义滤波窗口中心的索引
两种方法都需要用到的变量：
1.2 图像的高斯滤波
根据上面所讲的边缘检测过程，下一个步骤就是对图像进行高斯滤波。可根据之前博文描述的方法获取一维或者二维的高斯滤波核。因此进行图像高斯滤波可有两种实现方式，以下具体进行介绍。
首先定义该部分的通用变量：
[cpp] view plaincopyprint?
8.//// ------------ e /////////////////
9.//// /////////////////
1 Canny算法的实现流程
1.1 图像读取和灰度化
编程时采用上文所描述的第二种方法来实现图像的灰度化。其中ptr数组中保存的灰度化后的图像数据。具体的灰度化后的效果如图3所示。
[cpp] view plaincopyprint?
1.IplImage* ColorImage = cvLoadImage( "12.jpg", -1 ); //读入图像，获取彩图指针
14. {
15. data1 = (BYTE)ColorImage->imageData[j*ColorImage->widthStep + i*3]; //B分量
16. data2 = (BYTE)ColorImage->imageData[j*ColorImage->widthStep + i*3 + 1]; //G分量
7.{ 8. for(i=0; i<nWidth; i++)
9. nImageData[j*nWidth+i] = (unsigned char)OpenCvGrayImage->imageData[j*nWidth+i];
10.}
int nWidth = OpenCvGrayImage->width; //获取图像的像素宽度 int nHeight = OpenCvGrayImage->height; //获取图像的像素高度 unsigned char* nImageData = new unsigned char[nWidth*nHeight]; //暂时保存图像中的数据 unsigned char*pCanny = new unsigned char[nWidth*nHeight]; //为平滑后的图像数据分配内存 double* nData = new double[nWidth*nHeight]; //两次平滑的中间数据 for(int j=0; j<nHeight; j++) //获取数据 { for(i=0; i<nWidth; i++) nImageData[j*nWidth+i] = (unsigned char)OpenCvGrayImage->imageData[j*nWidth+i]; }
12.for(int i=0; i<nWidowSize; i++)
13.{
14. double nDis = (double)(i-nCenter);
15. pdKernal_1[i] = exp(-(0.5)*nDis*nDis/(nSigma*nSigma))/(sqrt(2*3.14159)*nSigma);
17. data3 = (BYTE)ColorImage->imageData[j*ColorImage->widthStep + i*3 + 2]; //R分量
18. ptr[j*ColorImage->width+x]=(BYTE)(0.072169*data1 + 0.715160*data2 + 0.212671*data3);
//////////////////////生成一维高斯滤波系数///////////////////////////// double* pdKernal_1 = new double[nWidowSize]; //定义一维高斯核数组 double dSum_1 = 0.0; //求和，用于进行归一化 ////////////////////////一维高斯函数公式////////////////////////////// //// x*x ///////////////// //// -1*---------------- ///////////////// //// 1 2*Sigma*Sigma ///////////////// //// ------------ e ///////////////// //// ///////////////// //// \/2*pi*Sigma ///////////////// ////////////////////////////////////////////////////////////////////// for(int i=0; i<nWidowSize; i++) { double nDis = (double)(i-nCenter); pdKernal_1[i] = exp(-(0.5)*nDis*nDis/(nSigma*nSigma))/(sqrt(2*3.14159)*nSigma); dSum_1 += pdKernal_1[i]; } for(i=0; i<nWidowSize; i++) { pdKernal_1[i] /= dSum_1; //进行归一化 }
19. }
20.}
21.OpenCvGrayImage=cvCreateImageHeader(cvGetSize(ColorIห้องสมุดไป่ตู้age), ColorImage->depth, 1);
22.cvSetData(GrayImage,ptr, GrayImage->widthStep); //根据数据生成灰度图
10.ptr = new unsigned char[i];
11.for(intj=0; j<ColorImage->height; j++) //对RGB加权平均，权值参考OpenCV
12.{
13. for(intx=0; x<ColorImage->width; x++)