canny边缘检测算法的matlab实现

canny算法，实现边缘检测。本程序主要分为4步，第一步是输入图像，第二步和第三步实现canny算法，第三步实现输出

function e=canny_edge（Isigma） 
%functione=edge（I‘canny‘threshsigma）;
%该函数实现Canny算子提取边缘点
%输入图像为I，标准差sigma，输出为边缘图像e
I=255*double（I）;%将图像转化为double型
[mn]=size（I）;
Rr=2:m-1;cc=2:n-1;
e=repmat（logical（uint8（0））mn）;
%产生同样大小的边缘图像e，初始化为1 ，即初始化边缘
GaussianDieOff=0.0001;%设定高斯函数消失门限
PercentOfPixelsNotEdges=0.7;%用于计算边缘门限
ThresholdRatio=0.2;%设置两个门限的比例
%首先设计高斯滤波器和它的微分
pw=1:30;
%设定滤波器宽度
ssq=sigma*sigma;
%计算方差
  width = find（exp（-（pw.*pw）/（2*ssq））>GaussianDieOff1‘last‘）;
  if isempty（width）
    width = 1;  %当使用者键入很小的sigma时
  end
%计算滤波算子宽度
 t = （-width:width）;
  gau = exp（-（t.*t）/（2*ssq））/（2*pi*ssq）;     % 一维高斯滤波器
 [xy]=meshgrid（-width:width-width:width）;
  dgau2D=-x.*exp（-（x.*x+y.*y）/（2*ssq））/（pi*ssq）;%高斯滤波器的一阶导数
  %平滑图像
  aSmooth=imfilter（Igau‘conv‘‘replicate‘）;   % 按行滤波
  aSmooth=imfilter（aSmoothgau‘‘conv‘‘replicate‘）; % 再按列滤波
  ax = imfilter（aSmooth dgau2D ‘conv‘‘replicate‘）;
  ay = imfilter（aSmooth dgau2D‘ ‘conv‘‘replicate‘）;
  mag=sqrt（（ax.*ax）+（ay.*ay））;
%计算滤波结果的幅度
magmax=max（mag（:））;
if magmax>0
mag=mag/magmax;
%对滤波幅度进行归一化
end
%下面根据滤波幅度的概率密度计算滤波门限
[countsx]=imhist（mag64）;
%计算滤波结果的幅度的直方图
highThresh=min（find（cumsum（counts）>PercentOfPixelsNotEdges*m*n））/64;
%通过设定非边缘点的比例来确定高门限
lowThresh=ThresholdRatio*highThresh;
%设置低门限为高门限乘以比例因子
thresh=[lowThreshhighThresh];
%下面进行非极大抑制
%大于高门限的点归于强边缘图像
%小于低门限的点归于弱边缘图像
idxStrong=[];
for dir=1:4
 idxLocalMax=cannyFindLocalMaxima（diraxaymag）;
idxWeak=idxLocalMax（mag（idxLocalMax）>lowThresh）;
e（idxWeak）=1;
idxStrong=[idxStrong;idxWeak（mag（idxWeak）>highThresh）];
end
rstrong=rem（idxStrong-1m）+1;%rem是求余数
cstrong=floor（（idxStrong-1）/m）+1;%向-∞取整
e=bwselect（ecstrongrstrong8）;    
%通过形态学算子将两幅图像的边缘进行连接
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%
%   Local Function : cannyFindLocalMaxima
%
function idxLocalMax = cannyFindLocalMaxima（directionixiymag）
%
% This sub-function helps with the non-maximum suppression in the Canny
% edge detector.  The input parameters are:
% 
%   direction - the index of which direction the gradient is pointing 
%               read from the diagram below. direction is 1 2 3 or 4.
%   ix        - input image filtered by derivative of gaussian along x 
%   iy        - input image filtered by derivative of gaussian along y
%   mag       - the gradient magnitude image
%
%    there are 4 cases:
%
%                         The X marks the pixel in question and each
%         3     2         of the quadrants for the gradient vector
%       O----0----0       fall into two cases divided by the 45 
%     4 |         | 1     degree line.  In one case the gradient
%       |         |       vector is more horizontal and in the other
%       O    X    O       it is more vertical.  There are eight 
%       |         |       divisions but for the non-maximum suppression  
%    （1）|         |（4）    we are only worried about 4 of them since we 
%       O----O----O       use symmetric po

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件     431818  2010-08-21 13:04  canny\3.jpg

     文件       4681  2011-03-19 12:47  canny\canny_edge.m

     目录          0  2011-03-24 14:01  canny

----------- ---------  ---------- -----  ----

               436499                    3