基于candy算子的边缘检测技术学习.doc

《基于candy算子的边缘检测技术学习.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于candy算子的边缘检测技术学习在数字图像中“边缘”往往包含着丰富且有用的信息，如城市中的道路、河流的水涯线、建筑物的边界等，这些边缘信息在数字摄影测量、模式识别等领域有着重要的研究意义。对于人脸检测来说,一个好的边缘检测算法能很好的划分出待检测区域,有效降低无检测率。对边缘检测算法进行研究性学习，了解该算法的执行过程和有关改进，对于人脸检测领域的深入学习是不可或缺的。在众多的边缘检测算子中，Canny算子是目前最受欢迎的边缘检测算子口]。Canny算子具有良好的信噪比，对单一边缘具有唯一响应，较好的定位性能等优点，因此决定对其深入学习了解。C

2、anny边缘检测算子(Canny，1986>主要由3个目标形成：无附加响应的最优检测、检测边缘位置和实际边缘位置之问距离最小的正确定位、减少单边缘的多重响应而得到单响应。为实现以上3个目标，Canny边缘检测的主要步骤如下：b5E2RGbCAP(1>对图像应用高斯平滑处理Canny指出高斯算子对图像平滑处理是最优的。二维高斯平滑算子如下：沿水平和垂直两个方向进行微分，可以得到：通过微分，把二维平滑算子分解为水平和垂直两个方向的滤波器，从而提高了平滑的速度。(2>计算图像的梯度传统Canny算子采用2×2邻域一阶偏导的有限差分来计算平滑后的数据阵列I

3、(z，y>的梯度幅值和方向，其中水平和垂直方向的差分算子分别为：p1EanqFDPwDx[i,j]=(I[i,j+1]-I[i,j]+I[i+1,j+1]-[i+1,j]>/2Dy[i,j]=(I[i,j]-I[i+1,j]+I[i,j+1]-I[i+1,j+1]>/2此处的梯度模值和方向分别为：(3>抑制局部非最大(MNS>数字图像中的边缘对应图像中灰度变化剧烈的部分，即梯度模值比较大的部分，因此可以把边缘检测问题转换为计算梯度模值的局部极大值的问题，即将梯度模值的局部极大值点作为边缘，这一过程就是抑制局部非最大的过程(Non-maximaSup

4、—pression，NMS>。通过抑制局部非最大，可以提取出图像中粗略的边缘信息。Canny算子通过对每个梯度非零的点，沿梯度方向上查找相邻像素的梯度模值，如果该点梯度模值小于任意一个相邻像素的梯度模值，将该点剔除，并将其梯度模值设为零；如果该点梯度模值大于相邻两个像素的梯度模值，则将该点保留，作为边缘像素的候选点。DXDiTa9E3d3/3通过抑制局部非最大，可以提取出图像中粗略的边缘信息。Canny算子通过对每个梯度非零的点，沿梯度方向上查找相邻像素的梯度模值，如果该点梯度模值小于任意一个相邻像素的梯度模值，将该点剔除，并将其梯度模值设为零；如

5、果该点梯度模值大于相邻两个像素的梯度模值，则将该点保留，作为边缘像素的候选点。RTCrpUDGiT(4>双门限检测与连接边缘非极大值抑制后的图像中的边缘只是粗略的边缘，还要经过双门限检测以剔除伪边缘点。Canny算子通过设定高低两个阈值，如果边缘候选点的梯度模值小于低阈值，则判定该点是伪边缘点；如果边缘候选点的梯度模值大于高阈值，则判定该点是边缘点；如果边缘候选点的梯度模值小于高阈值而大于低阈值，那么判断此点与前面得到的边缘点是否为8连通，若是的话则将此点记为边缘点，得到的图像就是边缘图像。5PCzVD7HxA以上是Canny算子的基本算法，下面是

6、对Canny算子的一些改进：Canny算法在对具有模糊边缘的图像进行边缘检测时，整幅图像仅仅采用了两个阈值，往往不能兼顾图像各处的具体情况，所以效果是不理想的。因为用固定阈值进行边缘检测很可能导致边缘在模糊处丢失。为了让canny算法能够更精确的检测图像中目标的边界，在对图像进行预处理时，先将其分割成若干子图像；然后针对每幅子图像中的具体情况，选用不同的阈值，最后采用上一步中所选择的阈值对整幅图像进行动态分割。jLBHrnAILg动态阈值算法仍然使用双阈值来检测子图像的边缘。但由于目标与背景的灰度值有部分交错，通常希望分割后误差最小，因而该算法采用

7、最优阈值法求出其中的一个阚值：xHAQX74J0X其中：和分别是背景与目标区域的平均灰度值，是关于均值的均方差，和分别为背景和目标区域灰度值的先验概率。改进算法的图像处理结果如下：LDAYtRyKfE参考文献：[1]曲秀君.一种改进Canny算子[A].电脑学习杂志.北京：电脑学习，2018:04-20[2]薛武，张永生，董广军，纪松，于英.Canny算子子像素边缘检测方法[A].郑州：信息工程大学测绘学院，2018Zzz6ZB2Ltk3/3申明：所有资料为本人收集整理，仅限个人学习使用，勿做商业用途。3/3