锐客网

  1. 首页 > 睿知 > it技术 > >

C语言canny算子函数 c语言里的算法

IT技术边缘

Canny算子梯度值表达式第一个是低阈值，第二个高阈值
高阈值比较严格，求的边缘很少，认为高阈值的边缘都是有效 。低阈值宽松，求的边缘很多（一般包括了高阈值求到的边缘），其中不少是无效的边缘（反正不想要的） 。
先用高阈值求边缘 。canny求得的边缘希望是连在一起的（通常是封闭的），但高阈值求的边缘一般断断续续 。断开的地方如果低阈值求的边缘存在，就用低阈值的边缘接上去 ， 目的让边缘尽量都连在一起 。其它情况下低阈值的边缘是不用的 。
两个阈值是有区别的，高的那个阈值是将要提取轮廓的物体与背景区分开来，就像阈值分割的那个参数一样，是决定目标与背景对比度的，低的那个阈值是用来平滑边缘的轮廓，有时高的阈值设置太大了，可能边缘轮廓不连续或者不够平滑 ， 通过低阈值来平滑轮廓线，或者使不连续的部分连接起来 。
跪求canny边缘检测算子的c源代码canny算子代码
void CreatGauss(double sigma, double **pdKernel, int *pnWidowSize);
void GaussianSmooth(SIZE sz, LPBYTE pGray, LPBYTE pResult, double sigma);
void Grad(SIZE sz, LPBYTE pGray, int *pGradX, int *pGradY, int *pMag);
void NonmaxSuppress(int *pMag, int *pGradX, int *pGradY, SIZE sz, LPBYTE pNSRst);
void EstimateThreshold(int *pMag, SIZE sz, int *pThrHigh, int *pThrLow, LPBYTE pGray,
double dRatHigh, double dRatLow);
void Hysteresis(int *pMag, SIZE sz, double dRatLow, double dRatHigh, LPBYTE pResult);
void TraceEdge(int y, int x, int nThrLow, LPBYTE pResult, int *pMag, SIZE sz);
void Canny(LPBYTE pGray, SIZE sz, double sigma, double dRatLow,
double dRatHigh, LPBYTE pResult);
#include "afx.h"
#include "math.h"
#include "canny.h"
//一维高斯分布函数C语言canny算子函数，用于平滑函数中生成的高斯滤波系数
void CreatGauss(double sigma, double **pdKernel, int *pnWidowSize)
{
LONG i;
//数组中心点
int nCenter;
//数组中一点到中心点距离
double dDis;
//中间变量
double dValue;
double dSum;
dSum = 0;
// [-3*sigma,3*sigma] 以内数据C语言canny算子函数，会覆盖绝大部分滤波系数
*pnWidowSize = 1+ 2*ceil(3*sigma);
nCenter = (*pnWidowSize)/2;
*pdKernel = new double[*pnWidowSize];
//生成高斯数据
for(i=0;i(*pnWidowSize);i++)
{
dDis = double(i - nCenter);
dValue = https://www.04ip.com/post/exp(-(1/2)*dDis*dDis/(sigma*sigma))/(sqrt(2*3.1415926)*sigma);
(*pdKernel)[i] = dValue;
dSum+=dValue;
}
//归一化
for(i=0;i(*pnWidowSize);i++)
{
(*pdKernel)[i]/=dSum;
}
}
//用高斯滤波器平滑原图像
void GaussianSmooth(SIZE sz, LPBYTE pGray, LPBYTE pResult, double sigma)
{
LONG x, y;
LONG i;
//高斯滤波器长度
int nWindowSize;
//窗口长度
int nLen;
//一维高斯滤波器
double *pdKernel;
//高斯系数与图像数据的点乘
double dDotMul;
//滤波系数总和
double dWeightSum;
double *pdTemp;
pdTemp = new double[sz.cx*sz.cy];
//产生一维高斯数据
CreatGauss(sigma, pdKernel, nWindowSize);
nLen = nWindowSize/2;
//x方向滤波
for(y=0;ysz.cy;y++)
{
for(x=0;xsz.cx;x++)
{
dDotMul = 0;
dWeightSum = 0;
for(i=(-nLen);i=nLen;i++)
{
//判断是否在图像内部
if((i+x)=0(i+x)sz.cx)
{
dDotMul+=(double)pGray[y*sz.cx+(i+x)] * pdKernel[nLen+i];
dWeightSum += pdKernel[nLen+i];
}
}
pdTemp[y*sz.cx+x] = dDotMul/dWeightSum;
}
}
//y方向滤波
for(x=0; xsz.cx;x++)

推荐阅读


上一篇：gis应用支撑方案，gis技术支持是做什么的

下一篇：小米wifi接小米路由器怎么设置，连接小米无线路由器