canny边缘检测及matlab实现

北京工业大学

研究生课程考试答题纸

课程类别：学位课选修课

研究生学号：

研究生姓名：

学生类别：博士硕士

工程硕士进修生

考试时间：年月日

一、实验目的：

熟悉边缘检测原理，并运用matlab软件实现图像的canny边缘检测，体会canny 边缘检测的优缺点。

二、实验内容：

编写matlab程序，实现对lena图像的边缘检测，输出程序运行结果。

三、实验原理或步骤：

首先回顾一下边缘检测的一般步骤：

边缘检测算法一般包含如下四个步骤：

1.滤波（去噪）。

2.增强（一般是通过计算梯度幅值）。

3.检测（在图像中有许多点的梯度幅值会比较大，而这些点并不都是边缘，所以应该用某种方法来确定边缘点，比如最简单的边缘检测判据：梯度幅值阈值）。

4.定位（有的应用场合要求确定边缘位置，可以在子像素水平上来估计，指出边缘的位置和方向）

Canny边缘检测的算法步骤：

1.用高斯滤波器平滑图像（不同尺度的Canny检测子由高斯的不同标准差来表示）用一阶偏导的有限差分来计算梯度的幅值和方向。

2.对高斯平滑后的图像进行sobel边缘检测。这里需要求横的竖的还有联合的，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值抑制（Non-Maxima Suppression, NMS）

4.用双阈值算法检测和连接边缘，并进行滞后阈值处理。

其中非极大值抑制细化了幅值图像中的屋脊带，只保留幅值局部变化最大的点。

双阈值算法：用两个阈值得到两个阈值图像，然后把高阈值的图像中的边缘连接成轮廓，连接时到达轮廓的端点时，在低阈值图像上找可以连接的边缘。不断收集，直到所有的间隙连接起来为止。

四、运行结果和分析

每步运行效果：

Figure1原图:

Figure2 高斯模糊后:

Figure3 sobel边缘检测后:

Figure4 非极大抑制后:

Figure5 上阈值120，下阈值100检测结果:

Canny算子的方向性使得它的边缘检测和定位优于其他算子，具有更好的边缘强度估计，能产生梯度方向和强度两个信息。

五、算法程序

Main.m

clear all;

close all;

clc;

img=imread('lena.bmp');

imshow(img);

[m n]=size(img);

img=double(img);

%%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

%%高斯滤波

w=fspecial('gaussian',[5 5]);

img=imfilter(img,w,'replicate');

figure;

imshow(uint8(img))

%%sobel边缘检测

w=fspecial('sobel');

img_w=imfilter(img,w,'replicate'); %求横边缘

w=w';

img_h=imfilter(img,w,'replicate'); %求竖边缘

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。figure;

imshow(uint8(img))

%%下面是非极大抑制

new_edge=zeros(m,n);

for i=2:m-1

for j=2:n-1

Mx=img_w(i,j);

My=img_h(i,j);

if My~=0

o=atan(Mx/My); %边缘的法线弧度

elseif My==0 && Mx>0

o=pi/2;

else

o=-pi/2;

end

%Mx处用My和img进行插值

adds=get_coords(o); %边缘像素法线一侧求得的两点坐标，插值需要

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

adds=get_coords(o+pi); %边缘法线另一侧求得的两点坐标，插值需要

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

isbigger=(Mx*img(i,j)>M1)*(Mx*img(i,j)>=M2)+(Mx*img(i,j)

if isbigger

new_edge(i,j)=img(i,j);

end

end

end

figure;

imshow(uint8(new_edge))

%%下面是滞后阈值处理

up=120; %上阈值

low=100; %下阈值

set(0,'RecursionLimit',10000); %设置最大递归深度

for i=1:m

for j=1:n

if new_edge(i,j)>up &&new_edge(i,j)~=255 %判断上阈值

new_edge(i,j)=255;

new_edge=connect(new_edge,i,j,low);

end

end

end

figure;

imshow(new_edge==255)