MATLAB Canny边缘检测：亚像素精度及窗口大小设定

MATLAB Canny边缘检测：亚像素精度及窗口大小设定

这篇文章介绍如何在MATLAB中使用Canny算法进行亚像素边缘检测，并提供一个示例代码，解释如何确定最佳窗口大小。

代码功能

这段MATLAB代码首先读取一张图像，并将其转换为灰度图。然后，使用Canny算法进行边缘检测。接下来，代码计算图像梯度，并使用高斯加权平均计算每个边缘像素的亚像素位置。最后，代码显示亚像素边缘检测结果。

窗口大小选择

窗口大小是影响亚像素边缘检测精度的重要参数。 窗口过小会导致噪声对结果影响较大，而窗口过大则会导致边缘细节丢失。

在本代码中，窗口大小设置为5。 这个值是在多次实验后确定的，可以根据实际情况进行调整。

代码解析matlab% 读取图像img = imread('2 (6).jpg');% 将图像转为灰度图gray_img = rgb2gray(img);% 使用Canny算法进行边缘检测canny_img = edge(gray_img, 'canny');% 设置窗口大小window_size = 5;% 计算图像梯度[dx, dy] = gradient(double(gray_img));gradient_magnitude = sqrt(dx.^2 + dy.^2);% 初始化亚像素边缘坐标subpixel_edges = zeros(size(gray_img));% 对每个边缘像素进行精确定位for i = 1:size(canny_img, 1) for j = 1:size(canny_img, 2) if canny_img(i, j) == 1 % 获取窗口内的梯度幅值 window_gradient = gradient_magnitude(max(i-window_size, 1):min(i+window_size, end), max(j-window_size, 1):min(j+window_size, end)); % 计算窗口内梯度幅值的加权均值 weights = fspecial('gaussian', size(window_gradient), 2); weighted_gradient = window_gradient .* weights; weighted_sum = sum(weighted_gradient(:)); weighted_mean = weighted_sum / sum(weights(:)); % 通过高斯曲线拟合计算亚像素边缘位置 subpixel_edges(i, j) = subpixel_edge_position(window_gradient, weighted_mean); end endend% 显示亚像素边缘检测结果subplot(121);imshow(canny_img);subplot(122);imshow(subpixel_edges);function subpixel_position = subpixel_edge_position(window_gradient, weighted_mean) % 计算窗口内梯度幅值的位置 [~, max_index] = max(window_gradient(:)); [row, col] = ind2sub(size(window_gradient), max_index); % 计算亚像素边缘位置 if row == 1 || row == size(window_gradient, 1) subpixel_position = row; else % 计算亚像素边缘位置的偏移量 offset = (window_gradient(row+1, col) - window_gradient(row-1, col)) / (2 * (window_gradient(row+1, col) - 2 * window_gradient(row, col) + window_gradient(row-1, col))); subpixel_position = row + offset; end % 将亚像素边缘位置映射到原图像坐标 subpixel_position = subpixel_position - (size(window_gradient, 1) - 1) / 2 + weighted_mean;end

总结

通过选择合适的窗口大小，这段代码可以有效地进行亚像素边缘检测，提高边缘检测精度。