原文:Canny邊緣檢測原理及C#程序實現

??? Canny邊緣檢測是被公認的檢測效果最好的邊緣檢測方法，是由John F. Canny于1986年提出，算法目標是找出一個最優的邊緣檢測的方法，所謂最優即:1.好的檢測：算法能夠盡可能的標識出圖像的邊緣；2.好的定位：標識出的邊緣要盡可能的與實際邊緣相接近；3.最小響應：圖像中的邊緣只能標識一次，并且不能把噪聲標識成邊緣。同時我們也要滿足3個準則：信噪比準則、定位精度準則、單邊緣響應準則。

??? Canny邊緣檢測算法可分為4步：

??? 高斯濾波器平滑、計算梯度、非極大值抑制、雙閾值邊緣檢測和邊緣連接。

??? (經典不會隨著時間褪色，算法也是一樣)

??? 下面將逐步講解并給出程序：

??? 第一步：高斯平滑

????為什么要對圖像（灰度圖像）進行高斯平滑預處理呢？高斯濾波器對去除服從正態分布的的噪聲很有效，我做過實驗，隨著高斯模板的增大，被識別的邊緣會逐漸減少，所以通過選著適合大小的高斯模板平滑，可以比較有效的去除一些偽邊緣點。

??? 第二步：計算梯度

??? 首先，由一階導數算子（一般用sobel模板）計算灰度圖像每個像素點在水平和豎直方向上的導數Gx、Gy，得出梯度向量（Gx，Gy），計算梯度的值G和方向theta：

??????? G=sqrt（Gx*Gx+Gy*Gy)? theta=arctan(Gy/Gx)

然后，將每個像素點的梯度的值和方向分別放入兩個數組中，程序如下：

byte[] orients = new byte[width * height];// 梯度方向數組 float[,] gradients = new float[width, height];// 梯度值數組 double gx, gy; for (int i = 1; i < (height - 1);i++ ){for (int j = 1; j < （width - 1）; j++){//求水平和豎直導數gx = bufdata[(i - 1) * width + j] + bufdata[(i + 1) * width + j] - bufdata[(i -1) * width + j - 1] - bufdata[(i + 1) * width + j - 1]+ 2*(bufdata[i * width + j + 1] - bufdata[i * width + j - 1]);gy = bufdata[(i - 1) * width + j - 1] + bufdata[(i + 1) * width + j + 1] - bufdata[(i + 1) * width + j - 1] - bufdata[(i + 1) * width + j + 1]+ 2*(bufdata[(i - 1) * width + j] - bufdata[(i + 1) * width + j - 1]);gradients[j, i] = (float)Math.Sqrt(gx * gx + gy * gy);if (gx == 0){orientation = (gy == 0) ? 0 : 90;}else{double div = (double)gy / gx;if (div < 0){orientation = 180 - Math.Atan(-div) * toAngle;}else{orientation = Math.Atan(div) * toAngle;}//只保留成4個方向if (orientation < 22.5)orientation = 0;else if (orientation < 67.5)orientation = 45;else if (orientation < 112.5)orientation = 90;else if (orientation < 157.5)orientation = 135;else orientation = 0;}orients[i*width+j] = (byte)orientation;}}

?

???? 第三步：非極大值抑制

???? 如果直接把梯度作為邊緣的話，將得到一個粗邊緣的圖像，這不滿足上面提到的準則，我們希望得到定位準確的單像素的邊緣，所以將每個像素點的梯度與其梯度方向上的相鄰像素比較，如果不是極大值，將其置0，否則置為某一不大于255的數，程序如下：

float leftPixel = 0, rightPixel = 0;for (int y = 1; y <height-1; y++){for (int x = 1; x < width-1; x++){//獲得相鄰兩像素梯度值switch (orients[y * width + x]){case 0:leftPixel = gradients[x - 1, y];rightPixel = gradients[x + 1, y];break;case 45:leftPixel = gradients[x - 1, y + 1];rightPixel = gradients[x + 1, y - 1];break;case 90:leftPixel = gradients[x, y + 1];rightPixel = gradients[x, y - 1];break;case 135:leftPixel = gradients[x + 1, y + 1];rightPixel = gradients[x - 1, y - 1];break;}if ((gradients[x, y] < leftPixel) || (gradients[x, y] < rightPixel)){dis[y * disdata.Stride + x] = 0;}else{dis[y * disdata.Stride + x] = (byte)(gradients[x, y] /maxGradient* 255);//maxGradient是最大梯度}} }

?

?????? 第四步：雙閾值邊緣檢測

????由上一步得到的邊緣還有很多偽邊緣，我們通過設置高低雙閾值的方法去除它們，具體思想是：梯度值大于高閾值的像素點認為其一定是邊緣，置為255，梯度值小于低閾值的像素點認為其一定不是邊緣置為0，介于兩閾值之間的點像素點為待定邊緣。然后，考察這些待定邊緣點，如果其像素點周圍8鄰域的梯度值都小于高閾值，認為其不是邊緣點，置為0；至于，如何設定雙閾值大小，我們可以根據實際情況設定，如設成100和20，也可以根據圖像梯度值的統計信息設定，一般小閾值是大閾值的0.4倍即可。程序如下：

fmean = fmean / maxGradient * 255;//某統計信息 highThreshold = (byte)(fmean);//高閾值 lowThreshold = (byte)(0.4 * highThreshold); //低閾值 for (int y = 0; y < height; y++){for (int x = 0; x < width; x++){if (dis[y * disdata.Stride + x] < highThreshold){if (dis[y * disdata.Stride + x] < lowThreshold){dis[y * disdata.Stride + x] = 0;}else{if ((dis[y * disdata.Stride + x - 1] < highThreshold) &&(dis[y * disdata.Stride + x + 1] < highThreshold) &&(dis[(y - 1) * disdata.Stride + x - 1] < highThreshold) &&(dis[(y - 1) * disdata.Stride + x] < highThreshold) &&(dis[(y - 1) * disdata.Stride + x + 1] < highThreshold) &&(dis[(y + 1) * disdata.Stride + x - 1] < highThreshold) &&(dis[(y + 1) * disdata.Stride + x] < highThreshold) &&(dis[(y + 1) * disdata.Stride + x + 1] < highThreshold)){dis[y * disdata.Stride + x] = 0;}}}}}

????? 最后，效果圖如下：

原圖：

灰度圖：

邊緣圖：

?

?

總結

以上是生活随笔為你收集整理的Canny边缘检测原理及C#程序实现的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。