MATLAB Canny边缘检测

　　我可没直接调用系统函数，要是那样就太水了。其实我的matlab代码很容易就能翻译成c/c++的。

　　canny边缘检测一共四个部分：

　　1.对原图像高斯平滑

　　2.对高斯平滑后的图像进行sobel边缘检测。这里需要求横的和竖的还有联合的，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抑制

　　4.连接边缘点并进行滞后阈值处理。

下面是代码：

main.m

clear all;  2 close all;  3 clc;  4 
img=imread('lena.jpg');  6 imshow(img);  7 [m n]=size(img);  8 img=double(img);  9 
%%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 11 %%高斯滤波 12 w=fspecial('gaussian',[5 5]); 13 img=imfilter(img,w,'replicate'); 14 figure; 15 imshow(uint8(img)) 16 
%%sobel边缘检测 18 w=fspecial('sobel'); 19 img_w=imfilter(img,w,'replicate');      %求横边缘 20 w=w';
img_h=imfilter(img,w,'replicate');      %求竖边缘 22 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。我曾经好长一段时间都搞错了 23 figure; 24 imshow(uint8(img)) 25 
%%下面是非极大抑制 27 new_edge=zeros(m,n); 28 for i=2:m-1
    for j=2:n-1
        Mx=img_w(i,j); 31         My=img_h(i,j); 32         
        if My~=0
            o=atan(Mx/My);      %边缘的法线弧度 35         elseif My==0 && Mx>0
            o=pi/2; 37         else
            o=-pi/2; 39  end 40         
        %Mx处用My和img进行插值 42         adds=get_coords(o);      %边缘像素法线一侧求得的两点坐标，插值需要 43         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 44         adds=get_coords(o+pi);　　%边缘法线另一侧求得的两点坐标，插值需要 45         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 46         
        isbigger=(Mx*img(i,j)>M1)*(Mx*img(i,j)>=M2)+(Mx*img(i,j)<M1)*(Mx*img(i,j)<=M2); %如果当前点比两边点都大置1 48         
        if isbigger 50            new_edge(i,j)=img(i,j); 51  end 52  end 53 end 54 figure; 55 imshow(uint8(new_edge)) 56 
%%下面是滞后阈值处理 58 up=120;     %上阈值 59 low=100;    %下阈值 60 set(0,'RecursionLimit',10000);  %设置最大递归深度 61 for i=1:m 62     for j=1:n 63       if new_edge(i,j)>up &&new_edge(i,j)~=255  %判断上阈值 64             new_edge(i,j)=255; 65             new_edge=connect(new_edge,i,j,low); 66  end 67  end 68 end 69 figure; 70 imshow(new_edge==255)

get_coords.m

function re=get_coords(angle)       %angle是边缘法线角度，返回法线前后两点 2     sigma=0.000000001; 3     x1=ceil(cos(angle+pi/8)*sqrt(2)-0.5-sigma); 4     y1=ceil(-sin(angle-pi/8)*sqrt(2)-0.5-sigma); 5     x2=ceil(cos(angle-pi/8)*sqrt(2)-0.5-sigma); 6     y2=ceil(-sin(angle-pi/8)*sqrt(2)-0.5-sigma); 7     re=[x1 y1 x2 y2]; 8 
end

connect.m

function nedge=connect(nedge,y,x,low)       %种子定位后的连通分析  2     neighbour=[-1 -1;-1 0;-1 1;0 -1;0 1;1 -1;1 0;1 1];  %八连通搜寻  3     [m n]=size(nedge);  4     for k=1:8
        yy=y+neighbour(k,1);  6         xx=x+neighbour(k,2);  7         if yy>=1 &&yy<=m &&xx>=1 && xx<=n  8             if nedge(yy,xx)>=low && nedge(yy,xx)~=255   %判断下阈值  9                 nedge(yy,xx)=255; 10                 nedge=connect(nedge,yy,xx,low); 11  end 12  end 13  end 14 
end

每步运行效果：

原图

高斯模糊后

sobel边缘检测后

非极大抑制后

上阈值120，下阈值100检测结果。

其实应该还有一个sigma变量，这个是控制高斯模板用的，如果自己做模板当然需要sigma了，这里就不需要了。至于如何做高斯模板，看这里。

我主要参考了《特征提取与图像处理》这本书。