Canny边缘检测详解：抗噪与高效算法实现

本篇文章主要介绍了Canny边缘检测算法的实现过程，该算法是一种广泛应用于图像处理领域的边缘检测方法，以其抗噪声性能强和运算效率高而闻名。以下是文章的主要知识点： 1. **图像预处理**: 开始时，通过`imread`函数读取 Lena 图像并将其转换为双精度类型，以便后续操作。然后对图像进行高斯滤波（Gaussian filter），使用 `fspecial('gaussian',[55])` 定义了一个55x55像素的高斯核，通过`imfilter`函数对图像进行平滑处理，减少噪声影响。 2. **Sobel算子**: 使用 Sobel 算子进行梯度计算，这是Canny边缘检测的第一步。Sobel算子包括水平和垂直方向的梯度，`img_w` 和 `img_h` 分别表示这些方向上的梯度值。通过求梯度模（`sqrt(img_w.^2+img_h.^2)`）得到像素点的强度。 3. **非极大值抑制 (Non-Maximum Suppression)**: 这一步骤用于去除噪声并保留边缘强度最大的像素点。通过循环遍历图像，根据像素点在梯度方向上的值（`o`），找到可能的边缘方向，并分别计算向左、向右、向上和向下的邻域像素的强度（`M1` 和 `M2`）。通过比较当前像素与邻域像素的强度关系，确定是否更新边缘值。 4. **双阈值检测 (Double Thresholding)**: 采用两个阈值（`up` 和 `low`），边缘像素被定义为强度大于上限阈值或低于下限阈值的像素。对于强度在两个阈值之间的像素，应用一个比较条件（`isbigger`），如果满足条件，则保持其为边缘像素，否则忽略。 5. **边缘连接 (Edge Hysteresis)**: 通过设置较高的 `up` 值和较低的 `low` 值，边缘检测更倾向于保留那些强度明显高于周围像素的边缘。`set(0,'RecursionLimit',10000);` 提高递归限制，确保检测过程能完成。最后，将结果输出为新的边缘图像。 本文档详细展示了如何通过Canny边缘检测算法在lena.jpg图像上进行边缘检测的过程，包括图像预处理、梯度计算、非极大值抑制以及双阈值检测等关键步骤，为理解和实现Canny算法提供了实用的代码示例。