标签：maxVal 边界 阈值 检测 边缘 算法 canny

前几天写了一篇canny边缘检测算法，比较偏算法公式和实现，具体为什么这样做和原理没有讲清楚，想在这一篇中讲一下，让研究canny算法的人不仅知道算法公式和实现，同时也能明白为什么这样做。

主要参考下面一个博客文章

https://www.cnblogs.com/xiximayou/p/13139426.html

这篇链接中，对于canny中每一步实现的目的给出了详细说明，比较通俗易懂。比如讲非极大值抑制，目的就是判断是否为局部最大值，如果不是，就可以排除不能够构成边缘的所有不需要的像素。目的，你得到的结果是带有“细边”的二进制图像，并给出了图示解释怎么获取到细边j。对于磁滞阈值法，同样给出图片讲解，目的是保存连接强边界的弱边界点，去除不连接强边界的弱边界点，同样也给出图片解释，比较容易通俗易懂。

1、非极大值抑制的目的：
在获得梯度大小和方向后，将对图像进行全面扫描，以去除可能不构成边缘的所有不需要的像素。为此，在每个像素处，检查像素是否是其在梯度方向上附近的局部最大值。查看下面的图片：

2、磁滞阈值法

该阶段确定哪些边缘全部是真正的边缘，哪些不是。为此，我们需要两个阈值minVal和maxVal。强度梯度大于maxVal的任何边缘必定是边缘，而小于minVal的那些边缘必定是非边缘，因此将其丢弃。介于这两个阈值之间的对象根据其连通性被分类为边缘或非边缘。如果将它们连接到“边缘”像素，则将它们视为边缘的一部分。否则，它们也将被丢弃，见下图：

  边缘A在maxVal之上，因此被视为“确定边缘”。尽管边C低于maxVal，但它连接到边A，因此也被视为有效边，我们得到了完整的曲线。但是边缘B尽管在minVal之上并且与边缘C处于同一区域，但是它没有连接到任何“确保边缘”，因此被丢弃。因此，非常重要的一点是我们必须相应地选择minVal和maxVal以获得正确的结果。

3、图片举例

3.1、非极大值抑制之前的边界信息图：

 3..2、非极大值抑制处理，并且大于high阈值的强边界的图片：

 3.3 基于非极大值抑制后的强边界基础上，进行磁滞阈值处理结果：

从上面三个图片可以看出确实将边界细化，同时凸显出强边界，最后一张加上部分弱边界点，将断断续续强边界连接起来了。广大网友如果看懂了canny算法的原理，就可以看上一篇的算法公式和边界方向量化手段，可以进行程序撰写。如果需要相关这方面的程序，可以给我发消息，我也可以提供。有opencv的mat数据结构实现的canny算法，也有直接用二维数组实现的canny算法。还有直接调用opencv的canny函数。

标签：maxVal,边界,阈值,检测,边缘,算法,canny
来源： https://www.cnblogs.com/happyhorse72/p/14756009.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。