一、目的：
熟悉边缘检测原理，并运用matlab软件实现图像的canny边缘检测，体会canny边缘检测的优缺点。
二、内容：
编写matlab程序，实现对lena图像的边缘检测，输出程序运行结果。
三、原理或步骤：
首先回顾一下边缘检测的一般步骤：
边缘检测算法一般包含如下四个步骤：
1.滤波（去噪）。
2.增强（一般是通过计算梯度幅值）。
3.检测（在图像中有许多点的梯度幅值会比较大，而这些点并不都是边缘，所以应该用某种方法来确定边缘点，比如最简单的边缘检测判据：梯度幅值阈值）。
4.定位（有的应用场合要求确定边缘位置，可以在子像素水平上来估计，指出边缘的位置和方向）
Canny边缘检测的算法步骤：
1.用高斯滤波器平滑图像（不同尺度的Canny检测子由高斯的不同标准差来表示）用一阶偏导的有限差分来计算梯度的幅值和方向。
2.对高斯平滑后的图像进行sobel边缘检测。这里需要求横的竖的还有联合的，所以一共三个需要sobel边缘检测图像。
3.对联合的sobel检测图像进行非极大值抑制（Non-Maxima Suppression, NMS）
4.用双阈值算法检测和连接边缘，并进行滞后阈值处理。
其中非极大值抑制细化了幅值图像中的屋脊带，只保留幅值局部变化最大的点。
双阈值算法：用两个阈值得到两个阈值图像，然后把高阈值的图像中的边缘连接成轮廓，连接时到达轮廓的端点时，在低阈值图像上找可以连接的边缘。不断收集，直到所有的间隙连接起来为止。
四、运行结果和分析
每步运行效果：
Figure1原图:
Canny算子的方向性使得它的边缘检测和定位优于其他算子，具有更好的边缘强度估计，能产生梯度方向和强度两个信息。
五、算法程序
Main.m
clear all;
close all;
clc;
img=imread('lena.bmp');
imshow(img);
[m n]=size(img);
img=double(img);
%%canny边缘检测的前两步相对不复杂，所以我就直接调用系统函数了
%%高斯滤波
w=fspecial('gaussian',[5 5]);
img=imfilter(img,w,'replicate');
figure;
imshow(uint8(img))
%%sobel边缘检测
w=fspecial('sobel');
img_w=imfilter(img,w,'replicate'); %求横边缘
w=w';
img_h=imfilter(img,w,'replicate'); %求竖边缘
img=sqrt(img_w.^2+img_h.^2); %注意这里不是简单的求平均，而是平方和在开方。
figure;
imshow(uint8(img))
%%下面是非极大抑制
new_edge=zeros(m,n);
for i=2:m-1
for j=2:n-1
Mx=img_w(i,j);
My=img_h(i,j);
if My~=0
o=atan(Mx/My); %边缘的法线弧度
elseif My==0 && Mx>0
o=pi/2;
else
o=-pi/2;
end
%Mx处用My和img进行插值
adds=get_coords(o); %边缘像素法线一侧求得的两点坐标，插值需要
M1=My*img(i+adds(2),j+adds(1))+(Mx-My)*img(i+adds(4),j+adds(3)); %插值后得到的像素，用此像素和当前像素比较
adds=get_coords(o+pi); %边缘法线另一侧求得的两点坐标，插值需要
M2=My*img(i+adds(2),j+adds(1))+(Mx-My)*img(i+adds(4),j+adds(3)); %另一侧插值得到的像素，同样和当前像素比较
isbigger=(Mx*img(i,j)>M1)*(Mx*img(i,j)>=M2)+(Mx*img(i,j)<M1)*(Mx*img(i,j)<=M2); %如果当前点比两边点都大置1
if isbigger
new_edge(i,j)=img(i,j);
end
end
end
figure;
imshow(uint8(new_edge))
%%下面是滞后阈值处理
up=120; %上阈值
low=100; %下阈值
set(0,'RecursionLimit',10000); %设置最大递归深度
for i=1:m
for j=1:n
if new_edge(i,j)>up &&new_edge(i,j)~=255 %判断上阈值
new_edge(i,j)=255;
new_edge=connect(new_edge,i,j,low);
end
end
end
figure;
imshow(new_edge==255)
