Canny算子实现：关键步骤与代码详解

Canny算子是一种广泛应用于图像处理领域的边缘检测算法，它通过多步操作来提取出图像中的强边缘。在给定的代码中，我们看到了一系列函数实现Canny算子的主要步骤，这些步骤包括： 1. **高斯滤波**: `void GaussianSmooth()` 函数用于应用高斯滤波器对输入图像进行平滑处理，降低噪声的影响。参数`sigma`决定了滤波器的大小，`pGray`和`pResult`分别指向输入和输出灰度图像。 2. **梯度计算**: `void Grad()` 函数计算图像在每个像素处的梯度值（`pGradX`和`pGradY`），以及梯度的模（`pMag`）。这一步是通过一阶导数来估计图像局部的边缘方向和强度。 3. **非极大值抑制**: `void NonmaxSuppress()` 函数应用非极大值抑制策略，以保留可能的边缘候选区域。通过比较每个像素点及其周围像素的梯度强度和方向，只保留梯度强度最大且方向一致的像素。 4. **阈值计算**: `void EstimateThreshold()` 是关键步骤，它确定两个阈值：较高的`pThrHigh`和较低的`pThrLow`。这些阈值用于区分边缘和非边缘像素，`dRatHigh`和`dRatLow`作为阈值比例参数。 5. **双阈值处理**: `void Hysteresis()` 进行了边缘的二值化处理，将图像分为强边缘、弱边缘和非边缘三类。对于强边缘，即使其强度低于较高阈值，只要其邻域内有更强的边缘，也会被保留下来；弱边缘则需同时满足强度高于较低阈值。 6. **边缘跟踪**: `void TraceEdge()` 实现了边缘的追踪，根据`y`和`x`坐标、低阈值`nThrLow`以及输入图像信息，将边缘连接起来形成连续的边缘路径。 7. **Canny算法主函数**: 最终，`void Canny()` 函数整合了所有前面的步骤，接受输入灰度图像`pGray`、高斯滤波参数`sigma`、阈值比例`dRatLow`和`dRatHigh`，并返回边缘检测结果`pResult`。 这段代码实现了Canny边缘检测算法的完整流程，从图像预处理到边缘检测、细化和连接，展示了Canny算子从理论到实践的转换。在实际应用中，Canny算法因其较高的边缘定位精度和抗噪性能而被广泛采纳。