MATLAB 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;  2 close all;  3 clc;  4 
img=imread('lena.jpg');  6 imshow(img);  7 [m n]=size(img);  8 img=double(img);  9 
%%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 11 %%高斯濾波 12 w=fspecial('gaussian',[5 5]); 13 img=imfilter(img,w,'replicate'); 14 figure; 15 imshow(uint8(img)) 16 
%%sobel邊緣檢測 18 w=fspecial('sobel'); 19 img_w=imfilter(img,w,'replicate');      %求橫邊緣 20 w=w';
img_h=imfilter(img,w,'replicate');      %求豎邊緣 22 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 23 figure; 24 imshow(uint8(img)) 25 
%%下面是非極大抑制 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);      %邊緣的法線弧度 35         elseif My==0 && Mx>0
            o=pi/2; 37         else
            o=-pi/2; 39  end 40         
        %Mx處用My和img進行插值 42         adds=get_coords(o);      %邊緣像素法線一側求得的兩點坐標，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，用此像素和當前像素比較 44         adds=get_coords(o+pi);　　%邊緣法線另一側求得的兩點坐標，插值需要 45         M2=My*img(i+adds(2),j+adds(1))+(Mx-My)*img(i+adds(4),j+adds(3));   %另一側插值得到的像素，同樣和當前像素比較 46         
        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 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 
%%下面是滯后閾值處理 58 up=120;     %上閾值 59 low=100;    %下閾值 60 set(0,'RecursionLimit',10000);  %設置最大遞歸深度 61 for i=1:m 62     for j=1:n 63       if new_edge(i,j)>up &&new_edge(i,j)~=255  %判斷上閾值 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是邊緣法線角度，返回法線前后兩點 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)       %種子定位后的連通分析  2     neighbour=[-1 -1;-1 0;-1 1;0 -1;0 1;1 -1;1 0;1 1];  %八連通搜尋  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   %判斷下閾值  9                 nedge(yy,xx)=255; 10                 nedge=connect(nedge,yy,xx,low); 11  end 12  end 13  end 14 
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。