Canny边缘检测基本原理与C++实现

最优的阶梯型边缘检测算法(canny边缘检测)
 
1.Canny边缘检测基本原理
(1)图象边缘检测必须满足两个条件：一能有效地抑制噪声；二必须尽量精确确定边缘的位置。
(2)根据对信噪比与定位乘积进行测度，得到最优化逼近算子。这就是Canny边缘检测算子。
(3)类似与Marr（LoG）边缘检测方法，也属于先平滑后求导数的方法。
 
2.Canny边缘检测算法：
step1:用高斯滤波器平滑图象；



step2:用一阶偏导的有限差分来计算梯度的幅值和方向；
 


 
 
step3:对梯度幅值进行非极大值抑制(这个就不是很明白！！！)
 



将梯度角离散为圆周的四个扇区之一，以便3 * 3的窗口作抑制运算。
四个扇区的标号为0到3，对应3*3邻域的四种可能组合。
在每一点上，邻域的中心象素M[x, y]与沿着梯度线的两个象素相比。如果M[x, y]的梯度值不比沿梯度线的两个相邻象素梯度值大，则令M[x, y] = 0。
即： 


 
step4:用双阈值算法检测和连接边缘。
解析1：
对非极大值抑制图像作用两个阈值th1和th2，两者关系th1=0.4th2。我们把梯度值小于th1的像素的灰度值设为0，得到图像1。然后把梯度值小于th2的像素的灰度值设为0，得到图像2。由于图像2的阈值较高，去除大部分噪音，但同时也损失了有用的边缘信息。而图像1的阈值较低，保留了较多的信息，我们可以以图像2为基础，以图像1为补充来连结图像的边缘。
链接边缘的具体步骤如下：
对图像2进行扫描，当遇到一个非零灰度的像素p(x,y)时，跟踪以p(x,y)为开始点的轮廓线，直到轮廓线的终点q(x,y)。
考察图像1中与图像2中q(x,y)点位置对应的点s(x,y)的8邻近区域。如果在s(x,y)点的8邻近区域中有非零像素s(x,y)存在，则将其包括到图像2中，作为r(x,y)点。从r(x,y)开始，重复第一步，直到我们在图像1和图像2中都无法继续为止。
当完成对包含p(x,y)的轮廓线的连结之后，将这条轮廓线标记为已经访问。回到第一步，寻找下一条轮廓线。重复第一步、第二步、第三步，直到图像2中找不到新轮廓线为止。
至此，完成canny算子的边缘检测。
 
解析2
减少假边缘段数量的典型方法是对N[i，j]使用一个阈值。将低于阈值的所有值赋零值。但问题是如何选取阈值？
解决方法：双阈值算法。双阈值算法对非极大值抑制图象作用两个阈值τ1和τ2，且2τ1≈τ2，从而可以得到两个阈值边缘图象N1［i,j］和 N2［i，j］。由于N2［i，j］使用高阈值得到，因而含有很少的假边缘，但有间断(不闭合)。双阈值法要在N2［i，j］中把边缘连接成轮廓，当到达轮廓的端点时，该算法就在N1［i,j］的8邻点位置寻找可以连接到轮廓上的边缘，这样，算法不断地在N1［i,j］中收集边缘，直到将N2［i,j］连接起来为止。
 
http://hi.baidu.com/liujianz/blog/item/1d8cf65191188b2142a75bd2.html
http://hi.baidu.com/lipiji1986/blog/item/adf6df1ae35302fdaf513303.html
http://zh.wikipedia.org/zh-cn/Canny%E7%AE%97%E5%AD%90
 
代码：
网上有这样的一个工程, 找一下把。