matlab練習程序（Canny邊緣檢測）

　　我可沒直接調用系統函數，要是那樣就太水了。其實我的matlab代碼很容易就能翻譯成c/c++的。

　　canny邊緣檢測一共四個部分：

　　1.對原圖像高斯平滑

　　2.對高斯平滑后的圖像進行sobel邊緣檢測。這里需要求橫的和豎的還有聯合的，所以一共三個需要sobel邊緣檢測圖像。

　　3.對聯合的sobel檢測圖像進行非極大抑制

　　4.連接邊緣點並進行滯后閾值處理。

下面是代碼：

main.m

clear all;
close all;
clc;

img=imread('lena.jpg');
imshow(img);
[m n]=size(img);
img=double(img);

%%canny邊緣檢測的前兩步相對不復雜，所以我就直接調用系統函數了
%%高斯濾波
w=fspecial('gaussian',[5 5]);
img=imfilter(img,w,'replicate');
figure;
imshow(uint8(img))

%%sobel邊緣檢測
w=fspecial('sobel');
img_w=imfilter(img,w,'replicate');      %求橫邊緣
w=w';
img_h=imfilter(img,w,'replicate');      %求豎邊緣
img=sqrt(img_w.^2+img_h.^2);        %注意這里不是簡單的求平均，而是平方和在開方。我曾經好長一段時間都搞錯了
figure;
imshow(uint8(img))

%%下面是非極大抑制
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);      %邊緣的法線弧度
        elseif My==0 && Mx>0
            o=pi/2;
        else
            o=-pi/2;            
        end
        
        %Mx處用My和img進行插值
        adds=get_coords(o);      %邊緣像素法線一側求得的兩點坐標，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，用此像素和當前像素比較 
        adds=get_coords(o+pi);　　%邊緣法線另一側求得的兩點坐標，插值需要
        M2=My*img(i+adds(2),j+adds(1))+(Mx-My)*img(i+adds(4),j+adds(3));   %另一側插值得到的像素，同樣和當前像素比較
        
        isbigger=(Mx*img(i,j)>M1)*(Mx*img(i,j)>=M2)+(Mx*img(i,j)<M1)*(Mx*img(i,j)<=M2); %如果當前點比兩邊點都大置1
        
        if isbigger
           new_edge(i,j)=img(i,j); 
        end        
    end
end
figure;
imshow(uint8(new_edge))

%%下面是滯后閾值處理
up=120;     %上閾值
low=100;    %下閾值
set(0,'RecursionLimit',10000);  %設置最大遞歸深度
for i=1:m
    for j=1:n
      if new_edge(i,j)>up &&new_edge(i,j)~=255  %判斷上閾值
            new_edge(i,j)=255;
            new_edge=connect(new_edge,i,j,low);
      end
    end
end
figure;
imshow(new_edge==255)

get_coords.m

function re=get_coords(angle)       %angle是邊緣法線角度，返回法線前后兩點
    sigma=0.000000001;
    x1=ceil(cos(angle+pi/8)*sqrt(2)-0.5-sigma);
    y1=ceil(-sin(angle-pi/8)*sqrt(2)-0.5-sigma);
    x2=ceil(cos(angle-pi/8)*sqrt(2)-0.5-sigma);
    y2=ceil(-sin(angle-pi/8)*sqrt(2)-0.5-sigma);
    re=[x1 y1 x2 y2];

end

connect.m

function nedge=connect(nedge,y,x,low)       %種子定位后的連通分析
    neighbour=[-1 -1;-1 0;-1 1;0 -1;0 1;1 -1;1 0;1 1];  %八連通搜尋
    [m n]=size(nedge);
    for k=1:8
        yy=y+neighbour(k,1);
        xx=x+neighbour(k,2);
        if yy>=1 &&yy<=m &&xx>=1 && xx<=n  
            if nedge(yy,xx)>=low && nedge(yy,xx)~=255   %判斷下閾值
                nedge(yy,xx)=255;
                nedge=connect(nedge,yy,xx,low);
            end
        end        
    end 

end

每步運行效果：

原圖

高斯模糊后

sobel邊緣檢測后

非極大抑制后

上閾值120，下閾值100檢測結果。

其實應該還有一個sigma變量，這個是控制高斯模板用的，如果自己做模板當然需要sigma了，這里就不需要了。至於如何做高斯模板，看這里。

我主要參考了《特征提取與圖像處理》這本書。