Canny算子Canny邊緣檢測(cè)算子是John F. Canny于 1986 年開發(fā)出來(lái)的一個(gè)多級(jí)邊緣檢測(cè)算法。更為重要的是 Canny 創(chuàng)立了邊緣檢測(cè)計(jì)算理論（ComputaTIonal theory of edge detecTIon）解釋這項(xiàng)技術(shù)如何工作。

　　Canny 算法包含許多可以調(diào)整的參數(shù)，它們將影響到算法的計(jì)算的時(shí)間與實(shí)效。

　　高斯濾波器的大?。旱谝徊剿玫钠交瑸V波器將會(huì)直接影響 Canny 算法的結(jié)果。較小的濾波器產(chǎn)生的模糊效果也較少，這樣就可以檢測(cè)較小、變化明顯的細(xì)線。較大的濾波器產(chǎn)生的模糊效果也較多，將較大的一塊圖像區(qū)域涂成一個(gè)特定點(diǎn)的顏色值。這樣帶來(lái)的結(jié)果就是對(duì)于檢測(cè)較大、平滑的邊緣更加有用，例如彩虹的邊緣。

　　閾值：使用兩個(gè)閾值比使用一個(gè)閾值更加靈活，但是它還是有閾值存在的共性問(wèn)題。設(shè)置的閾值過(guò)高，可能會(huì)漏掉重要信息；閾值過(guò)低，將會(huì)把枝節(jié)信息看得很重要。很難給出一個(gè)適用于所有圖像的通用閾值。目前還沒(méi)有一個(gè)經(jīng)過(guò)驗(yàn)證的實(shí)現(xiàn)方法。

　　Canny 算法適用于不同的場(chǎng)合。它的參數(shù)允許根據(jù)不同實(shí)現(xiàn)的特定要求進(jìn)行調(diào)整以識(shí)別不同的邊緣特性。對(duì)于PC上的實(shí)時(shí)圖像處理來(lái)說(shuō)可能慢得無(wú)法使用，尤其是在使用大的高斯濾波器的情況下。但是，我們討論計(jì)算能力的時(shí)候，也要考慮到隨著處理器速度不斷提升，有望在未來(lái)幾年使得這不再成為一個(gè)問(wèn)題。

　　1. Canny邊緣檢測(cè)基本原理

　　（1）圖象邊緣檢測(cè)必須滿足兩個(gè)條件：一能有效地抑制噪聲；二必須盡量精確確定邊緣的位置。

　　（2）根據(jù)對(duì)信噪比與定位乘積進(jìn)行測(cè)度，得到最優(yōu)化逼近算子。這就是Canny邊緣檢測(cè)算子。

　?。?）類似與Marr（LoG）邊緣檢測(cè)方法，也屬于先平滑后求導(dǎo)數(shù)的方法。

　　2. Canny邊緣檢測(cè)算法：

　　step1：用高斯濾波器平滑圖象；

　　step2：用一階偏導(dǎo)的有限差分來(lái)計(jì)算梯度的幅值和方向；

　　step3：對(duì)梯度幅值進(jìn)行非極大值抑制；

　　step4：用雙閾值算法檢測(cè)和連接邊緣。

　　step1：高斯平滑函數(shù)

　?。梢岳斫庀戮S基百科上關(guān)于卷積函數(shù)的定義，如下圖移動(dòng)的紅色窗口代表我們的高斯和函數(shù)，藍(lán)色為圖像灰度函數(shù)）

　　通過(guò)高斯函數(shù)產(chǎn)生k*k的模板如3*3

　　用這個(gè)模板對(duì)每個(gè)像素進(jìn)行加權(quán)平均

　　Step2：一階微分卷積模板

　　step3：對(duì)梯度幅值進(jìn)行非極大值抑制

　　僅僅得到全局的梯度并不足以確定邊緣，因此為確定邊緣，必須保留局部梯度最大的點(diǎn)，而抑制非極大值。（non-maxima suppression，NMS）

　　解決方法：利用梯度的方向。

　　圖1非極大值抑制

　　四個(gè)扇區(qū)的標(biāo)號(hào)為0到3，對(duì)應(yīng)3*3鄰域的四種可能組合。在每一點(diǎn)上，鄰域的中心象素M與沿著梯度線的兩個(gè)象素相比。如果M的梯度值不比沿梯度線的兩個(gè)相鄰象素梯度值大，則令M=0。

　　即：

　　Step4：用雙閾值算法檢測(cè)和連接邊緣：

　　對(duì)非極大值抑制圖像作用兩個(gè)閾值th1和th2，兩者關(guān)系th1=0.4th2 。我們把梯度值小于th1的像素的灰度值設(shè)為0，得到圖像1。然后把梯度值小于th2的像素的灰度值設(shè)為0，得到圖像2。由于圖像2的閾值較高，去除大部分噪音，但同時(shí)也損失了有用的邊緣信息。而圖像1的閾值較低，保留了較多的信息，我們可以以圖像2為基礎(chǔ)，以圖像1為補(bǔ)充來(lái)連結(jié)圖像的邊緣。

　　鏈接邊緣的具體步驟如下：

　　對(duì)圖像2進(jìn)行掃描，當(dāng)遇到一個(gè)非零灰度的像素p（x，y）時(shí)，跟蹤以p（x，y）為開始點(diǎn)的輪廓線，直到輪廓線的終點(diǎn)q（x，y）。

　　考察圖像1中與圖像2中q（x，y）點(diǎn)位置對(duì)應(yīng)的點(diǎn)s（x，y）的8鄰近區(qū)域。如果在s（x，y）點(diǎn)的8鄰近區(qū)域中有非零像素s（x，y）存在，則將其包括到圖像2中，作為r（x，y）點(diǎn)。從r（x，y）開始，重復(fù)第一步，直到我們?cè)趫D像1和圖像2中都無(wú)法繼續(xù)為止。

　　當(dāng)完成對(duì)包含p（x，y）的輪廓線的連結(jié)之后，將這條輪廓線標(biāo)記為已經(jīng)訪問(wèn)。回到第一步，尋找下一條輪廓線。重復(fù)第一步、第二步、第三步，直到圖像2中找不到新輪廓線為止。

　　3. canny算法程序?qū)崿F(xiàn)

　　Canny算法程序中將上述的4個(gè)步驟再加以細(xì)分，分成以下7步：

　　l 生成高斯濾波系數(shù)；

　　l 用生成的高斯濾波系數(shù)對(duì)原圖像進(jìn)行平滑；

　　l 求濾波后圖像的梯度；

　　l 進(jìn)行非最大抑制；

　　l 統(tǒng)計(jì)圖像的直方圖，對(duì)閾值進(jìn)行判定；

　　l 利用函數(shù)尋找邊界起點(diǎn)；

　　l 根據(jù)第6步執(zhí)行的結(jié)果，從一個(gè)像素點(diǎn)開始搜索，搜索以該像素點(diǎn)為邊界起點(diǎn)的一條邊界的一條邊界的所有邊界點(diǎn)；