canny運算元演算法

㈠ Canny運算元的發展

Canny 的目標是找到一個最優的邊緣檢測演算法，最優邊緣檢測的含義是：
好的檢測- 演算法能夠盡可能多地標識出圖像中的實際邊緣。
好的定位- 標識出的邊緣要盡可能與實際圖像中的實際邊緣盡可能接近。
最小響應- 圖像中的邊緣只能標識一次，並且可能存在的圖像雜訊不應標識為邊緣。
為了滿足這些要求 Canny 使用了變分法，這是一種尋找滿足特定功能的函數的方法。最優檢測使用四個指數函數項的和表示，但是它非常近似於高斯函數的一階導數。

㈡ canny演算法的最優邊緣准則

Canny 的目標是找到一個最優的邊緣檢測演算法，最優邊緣檢測的含義是：
(1)最優檢測：演算法能夠盡可能多地標識出圖像中的實際邊緣，漏檢真實邊緣的概率和誤檢非邊緣的概率都盡可能小；
(2)最優定位準則：檢測到的邊緣點的位置距離實際邊緣點的位置最近，或者是由於雜訊影響引起檢測出的邊緣偏離物體的真實邊緣的程度最小；
(3)檢測點與邊緣點一一對應：運算元檢測的邊緣點與實際邊緣點應該是一一對應。
為了滿足這些要求 Canny 使用了變分法（calculus of variations），這是一種尋找優化特定功能的函數的方法。最優檢測使用四個指數函數項表示，但是它非常近似於高斯函數的一階導數。

㈢ Canny運算元的步驟

較高的亮度梯度比較有可能是邊緣，但是沒有一個確切的值來限定多大的亮度梯度是邊緣多大，所以 Canny 使用了滯後閾值。
滯後閾值需要兩個閾值——高閾值與低閾值。假設圖像中的重要邊緣都是連續的曲線，這樣我們就可以跟蹤給定曲線中模糊的部分，並且避免將沒有組成曲線的雜訊像素當成邊緣。所以我們從一個較大的閾值開始，這將標識出我們比較確信的真實邊緣，使用前面導出的方向信息，我們從這些真正的邊緣開始在圖像中跟蹤整個的邊緣。在跟蹤的時候，我們使用一個較小的閾值，這樣就可以跟蹤曲線的模糊部分直到我們回到起點。
一旦這個過程完成，我們就得到了一個二值圖像，每點表示是否是一個邊緣點。
一個獲得亞像素精度邊緣的改進實現是在梯度方向檢測二階方向導數的過零點

它在梯度方向的三階方向導數滿足符號條件

其中

...表示用高斯核平滑原始圖像得到的尺度空間表示 L 計算得到的偏導數。用這種方法得到的邊緣片斷是連續曲線，這樣就不需要另外的邊緣跟蹤改進。滯後閾值也可以用於亞像素邊緣檢測。

㈣ Canny邊緣檢測演算法的步驟和理解

姓名：高強     學號：17011210057

【嵌牛導讀】：本文主要介紹Canny圖像邊緣檢測演算法的步驟和對各個步驟的理解

【嵌牛鼻子】：邊緣檢測，Canny，步驟

【嵌牛提問】：canny邊緣檢測演算法的步驟是怎樣？

【嵌牛正文】：

1. Canny邊緣檢測演算法的提出和指標

Canny演算法是John Canny在1986年提出的，那年John Canny 28歲，該文章發表在PAMI頂級期刊上（1986.IEEE Transactions on Pattern Analysis and Machine Intelligence,vol. 8, 1986 , pp 679-698  ）。

Canny運算元與Marr（LoG）邊緣檢測方法類似（Marr大爺號稱計算機視覺之父），也屬於是先平滑後求導數的方法。John Canny研究了最優邊緣檢測方法所需的特性，給出了評價邊緣檢測性能優劣的三個指標：

（1）好的信噪比 ，即將非邊緣點判定為邊緣點的概率要低，將邊緣點判為非邊緣點的概率要低；

（2）高的定位性能 ，即檢測出的邊緣點要盡可能在實際塵友邊緣的中心；

（3）對單一邊緣僅有唯一響應 ，即單個邊緣產生多個響應的概率要低，並且虛假響應邊緣應該得到最大抑制。

用一句話說，就是希望在提高對景物邊緣的敏感性的同時，可以抑制雜訊的方法才是好的邊緣提取方法。

2.  Canny邊緣檢測演算法的步驟 ：

（1）圖像高斯濾波進行降噪處理。

（2）用一階偏導的有限差分計算梯度告森的幅值和方向。

（3）對梯度幅值進行非極大值抑制。

（4）用雙閾值演算法檢測和連接邊緣。

3.  Canny邊緣檢測演算法的通俗理解

Canny演算法的目的就是邊緣檢測，何為邊緣？圖象局部區域亮度變化顯著的部分，對於灰度圖像來說，也就是灰度值有一個明顯變化，既從一個灰度值在很小的緩沖區域內急劇變化到另一個灰度相差較大的灰度值。那麼襪兄畝怎麼表徵這種灰度值的變化呢？這里想到的就是導數微分，導數就是表徵變化率的，但是數字圖像都是離散的，也就是導數肯定會用差分來代替。也就是具體演算法中的步驟2，用相鄰像素的差分來計算梯度的大小和方向。但是在真實的圖像中，一般會有雜訊，雜訊會影響梯度的計算，所以步驟1要先濾波。理論上將圖像梯度幅值的元素值越大，說明圖像中該點的梯度值越大，但這不能說明該點就是邊緣。在Canny演算法中，步驟3的非極大值抑制是進行邊緣檢測的重要步驟，通俗意義上是指尋找像素點的局部最大值，沿著梯度方向，比較它前面和後面的梯度值，若梯度值局部最大則有可能為邊緣像素，進行保留，否則就進行抑制。步驟4是一個典型演算法，有時候我們並不能一刀切，也就是超過閾值的都是邊緣點，而是設兩個閾值，希望在高閾值和低閾值之間的點也可能是邊緣點，而且這些點最好在高閾值的附近，也就是說這些中間閾值的點是高閾值邊緣點的一種延伸。所以步驟4用了雙閾值來進行檢測和連接邊緣。雙閾值有時也叫做滯後閾值。

㈤ Canny運算元的介紹

Canny邊緣檢測運算元是John F. Canny於 1986 年開發出來的一個多級邊緣檢測演算法。更為重要的是 Canny 創立了邊緣檢測計算理論（Computational theory of edge detection）解釋這項技術如何工作。

㈥ sobel邊緣檢測優缺點與canny運算元的優缺點

一、sobel邊緣檢測：

1、sobel邊緣檢測優點：輸出圖像(數組)的元素通常具有更大的絕對數值。

2、sobel邊緣檢測缺點：由於邊緣是位置的標志，對灰度的變化不敏感。

二、canny運算元：

1、canny運算元優點：法能夠盡可能多地標識出圖像中的實際邊緣；標識出的邊緣要與實際圖像中的實際邊緣盡可能接近。

2、canny運算元缺點：圖像中的邊緣只能標識一次，並且可能存在的圖像雜訊不應標識為邊緣。

(6)canny運算元演算法擴展閱讀：

Sobel邊緣檢測的核心在於像素矩陣的卷積，卷積對於數字圖像處理非常重要，很多圖像處理演算法都是做卷積來實現的。

卷積運算的本質就是對制定的圖像區域的像素值進行加權求和的過程，其計算過程為圖像區域中的每個像素值分別與卷積模板的每個元素對應相乘，將卷積的結果作求和運算，運算到的和就是卷積運算的結果。

㈦ Otsu演算法在Canny運算元中的應用中，Otsu演算法的程序後，要不要再添加在Canny運算元的程序

問題一：
OTSU法是二值化圖像的演算法，經過OTSU處理圖像就成了黑白二值圖。
CANNY演算法是針對灰度圖的邊緣提取演算法。OTSU處理後，不需要再加CANNY處理了。

問題二：
如果圖像噪音較大，就需要先做中值濾波，或其它降噪處理。這是圖像處理的前處理。做前處理的目的是提高圖像質量，然後再做談慧OTSU，效果會好一含源答些。但圖像本身就很清晰的話，就不需要加中值濾波了。

通過你的問題，我感覺你還沒有透徹理解幾個術語的概裂槐念。
先想清楚想把什麼樣的圖像處理成什麼樣的圖像，然後根據目的選擇處理方法。

如果話說重了，請原諒。