加载中…
个人资料
微博
  • 博客等级：
  • 博客积分：
  • 博客访问：
  • 关注人气：
  • 获赠金笔：0支
  • 赠出金笔：0支
  • 荣誉徽章：
正文 字体大小：大 中 小

C#程序实现Canny边缘检测算法

(2012-07-17 15:57:05)
标签：

高斯

边缘检测

梯度

杂谈

 分类： 影像匹配

转载自：http://blog.csdn.net/yjz_uestc/article/details/6664937

 

 Canny边缘检测是被公认的检测效果最好的边缘检测方法，是由John F. Canny于1986年提出，算法目标是找出一个最优的边缘检测的方法，所谓最优即:1.好的检测：算法能够尽可能的标识出图像的边缘；2.好的定位：标识出的边缘要尽可能的与实际边缘相接近；3.最小响应：图像中的边缘只能标识一次，并且不能把噪声标识成边缘。同时我们也要满足3个准则：信噪比准则、定位精度准则、单边缘响应准则。

    Canny边缘检测算法可分为4步：

    高斯滤波器平滑、计算梯度、非极大值抑制、双阈值边缘检测和边缘连接。

    (经典不会随着时间褪色，算法也是一样)

    下面将逐步讲解并给出程序：

    第一步：高斯平滑

    为什么要对图像（灰度图像）进行高斯平滑预处理呢？高斯滤波器对去除服从正态分布的的噪声很有效，我做过实验，随着高斯模板的增大，被识别的边缘会逐渐减少，所以通过选着适合大小的高斯模板平滑，可以比较有效的去除一些伪边缘点。

    第二步：计算梯度

    首先，由一阶导数算子（一般用sobel模板）计算灰度图像每个像素点在水平和竖直方向上的导数Gx、Gy，得出梯度向量（Gx，Gy），计算梯度的值G和方向theta：

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

然后，将每个像素点的梯度的值和方向分别放入两个数组中，程序如下：

[csharp] view plaincopy
  1. <span style="font-size:16px;">byte[] orients = new byte[width * height];// 梯度方向数组  
  2. float[,] gradients = new float[width, height];// 梯度值数组  
  3. double gx, gy;  
  4. for (int i = 1; i < (height - 1);i++ )  
  5.     {  
  6.         for (int j = 1; j < （width - 1）; j++)  
  7.             {  
  8.                 //求水平和竖直导数  
  9.                 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]);  
  10.                 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]);  
  11.                 gradients[j, i] = (float)Math.Sqrt(gx * gx + gy * gy);  
  12.                 if (gx == 0)  
  13.                 {  
  14.                     orientation = (gy == 0) ? 0 : 90;  
  15.                 }  
  16.                 else  
  17.                 {  
  18.                     double div = (double)gy / gx;  
  19.   
  20.                     if (div < 0)  
  21.                     {  
  22.                         orientation = 180 - Math.Atan(-div) * toAngle;  
  23.                     }  
  24.                      else  
  25.                     {  
  26.                          orientation = Math.Atan(div) * toAngle;  
  27.                     }  
  28.                      //只保留成4个方向  
  29.                      if (orientation < 22.5)  
  30.                                 orientation = 0;  
  31.                             else if (orientation < 67.5)  
  32.                                 orientation = 45;  
  33.                             else if (orientation < 112.5)  
  34.                                 orientation = 90;  
  35.                             else if (orientation < 157.5)  
  36.                                 orientation = 135;  
  37.                             else orientation = 0;  
  38.                 }  
  39.                 orients[i*width+j] = (byte)orientation;  
  40.             }  
  41.     } </span>  

 

     第三步：非极大值抑制

     如果直接把梯度作为边缘的话，将得到一个粗边缘的图像，这不满足上面提到的准则，我们希望得到定位准确的单像素的边缘，所以将每个像素点的梯度与其梯度方向上的相邻像素比较，如果不是极大值，将其置0，否则置为某一不大于255的数，程序如下：

[csharp] view plaincopy
  1.  <span style="font-size:16px;"> float leftPixel = 0, rightPixel = 0;  
  2.   for (int y = 1; y <height-1; y++)  
  3.   {  
  4.     for (int x = 1; x < width-1; x++)  
  5.         {  
  6.             //获得相邻两像素梯度值  
  7.             switch (orients[y * width + x])  
  8.                 {  
  9.                     case 0:  
  10.                         leftPixel = gradients[x - 1, y];  
  11.                         rightPixel = gradients[x + 1, y];  
  12.                         break;  
  13.                     case 45:  
  14.                         leftPixel = gradients[x - 1, y + 1];  
  15.                         rightPixel = gradients[x + 1, y - 1];  
  16.                         break;  
  17.                     case 90:  
  18.                         leftPixel = gradients[x, y + 1];  
  19.                         rightPixel = gradients[x, y - 1];  
  20.                         break;  
  21.                     case 135:  
  22.                         leftPixel = gradients[x + 1, y + 1];  
  23.                         rightPixel = gradients[x - 1, y - 1];  
  24.                         break;  
  25.                 }  
  26.                 if ((gradients[x, y] < leftPixel) || (gradients[x, y] < rightPixel))  
  27.                     {  
  28.                         dis[y * disdata.Stride + x] = 0;  
  29.                     }  
  30.                 else  
  31.                     {  
  32.                          dis[y * disdata.Stride + x] = (byte)(gradients[x, y] /maxGradient* 255);//maxGradient是最大梯度  
  33.                     }  
  34.   
  35.         }    
  36. }   </span>  

 

       第四步：双阈值边缘检测

    由上一步得到的边缘还有很多伪边缘，我们通过设置高低双阈值的方法去除它们，具体思想是：梯度值大于高阈值的像素点认为其一定是边缘，置为255，梯度值小于低阈值的像素点认为其一定不是边缘置为0，介于两阈值之间的点像素点为待定边缘。然后，考察这些待定边缘点，如果其像素点周围8邻域的梯度值都小于高阈值，认为其不是边缘点，置为0；至于，如何设定双阈值大小，我们可以根据实际情况设定，如设成100和20，也可以根据图像梯度值的统计信息设定，一般小阈值是大阈值的0.4倍即可。程序如下：

[csharp] view plaincopy
  1. <span style="font-size:16px;">fmean = fmean / maxGradient * 255;//某统计信息  
  2. highThreshold = (byte)(fmean);//高阈值  
  3. lowThreshold = (byte)(0.4 * highThreshold); //低阈值                                
  4. for (int y = 0; y < height; y++)  
  5.     {  
  6.     for (int x = 0; x < width; x++)  
  7.         {  
  8.              if (dis[y * disdata.Stride + x] < highThreshold)  
  9.                 {  
  10.                     if (dis[y * disdata.Stride + x] < lowThreshold)  
  11.                         {  
  12.                         dis[y * disdata.Stride + x] = 0;  
  13.                         }  
  14.                      else  
  15.                         {  
  16.                             if ((dis[y * disdata.Stride + x - 1] < highThreshold) &&  
  17.                                 (dis[y * disdata.Stride + x + 1] < highThreshold) &&  
  18.                                 (dis[(y - 1) * disdata.Stride + x - 1] < highThreshold) &&  
  19.                                 (dis[(y - 1) * disdata.Stride + x] < highThreshold) &&  
  20.                                 (dis[(y - 1) * disdata.Stride + x + 1] < highThreshold) &&  
  21.                                 (dis[(y + 1) * disdata.Stride + x - 1] < highThreshold) &&  
  22.                                 (dis[(y + 1) * disdata.Stride + x] < highThreshold) &&  
  23.                                 (dis[(y + 1) * disdata.Stride + x + 1] < highThreshold))  
  24.                                {  
  25.                                     dis[y * disdata.Stride + x] = 0;  
  26.                                }  
  27.                         }  
  28.                 }  
  29.         }  
  30.     }</span>  

      最后，效果图如下：

原图：

http://hi.csdn.net/attachment/201108/16/0_1313504706kSDD.gif

灰度图：

http://hi.csdn.net/attachment/201108/16/0_13135081225866.gif

边缘图：

http://hi.csdn.net/attachment/201108/16/0_1313508170V29N.gif

喜欢

0

阅读┊ 收藏 ┊ 喜欢▼ ┊打印┊举报/Report
  

新浪BLOG意见反馈留言板　欢迎批评指正

新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 产品答疑

Copyright © 1996 - 2022 SINA Corporation, All Rights Reserved

新浪公司 版权所有