一、算法原理与流程
Canny边缘检测算法由John F. Canny于1986年提出，其核心流程包含5个关键步骤：
- 高斯滤波：消除噪声干扰（使用高斯核卷积）
- 梯度计算：通过Sobel算子计算梯度幅值和方向
- 非极大值抑制：细化边缘宽度（保留局部梯度最大值）
- 双阈值检测：区分强/弱边缘（通过高低阈值比例）
- 边缘连接：滞后跟踪弱边缘（连接强边缘邻域的弱边缘）
二、代码
1. 基础实现（手动版）
functionedge_img=my_canny(I,sigma,low_thresh_ratio,high_thresh_ratio)% 输入参数：% I: 输入灰度图像% sigma: 高斯滤波标准差% low_thresh_ratio: 低阈值比例（相对于高阈值）% high_thresh_ratio: 高阈值比例（相对于梯度最大值）% 1. 高斯滤波[m,n]=size(I);k=2*ceil(3*sigma)+1;% 核大小（奇数）h=fspecial('gaussian',[k k],sigma);blurred=imfilter(I,h,'same','replicate');% 2. 计算梯度[Gx,Gy]=imgradientxy(blurred,'sobel');[G,theta]=imgradient(Gx,Gy);% 3. 非极大值抑制nms=non_maximum_suppression(G,theta);% 4. 双阈值检测high_thresh=max(G(:))*high_thresh_ratio;low_thresh=high_thresh*low_thresh_ratio;strong_edges=nms>high_thresh;weak_edges=(nms>=low_thresh)&(nms<=high_thresh);% 5. 边缘连接edge_img=edge_linking(strong_edges,weak_edges);end% 非极大值抑制函数functionnms=non_maximum_suppression(G,theta)[m,n]=size(G);nms=zeros(m,n);theta=theta*180/pi;% 转换为角度theta(theta<0)=theta+180;% 角度归一化fori=2:m-1forj=2:n-1% 根据梯度方向选择比较方向if(0<=theta(i,j)&&theta(i,j)<22.5)||(157.5<=theta(i,j)&&theta(i,j)<180)neighbor=[G(i,j-1),G(i,j+1)];elseif(22.5<=theta(i,j)&&theta(i,j)<67.5)neighbor=[G(i-1,j+1),G(i+1,j-1)];elseif(67.5<=theta(i,j)&&theta(i,j)<112.5)neighbor=[G(i-1,j),G(i+1,j)];elseneighbor=[G(i-1,j-1),G(i+1,j+1)];end% 保留局部最大值ifG(i,j)>=max(neighbor)nms(i,j)=G(i,j);endendendend% 边缘连接函数functionfinal_edges=edge_linking(strong,weak)[m,n]=size(strong);final_edges=false(m,n);strong_idx=find(strong);% 使用8邻域连接弱边缘fork=1:length(strong_idx)[i,j]=ind2sub([m,n],strong_idx(k));ifany(any(weak(i-1:i+1,j-1:j+1)))final_edges(i,j)=true;endendend2. 内置函数实现（推荐）
% 直接调用edge函数I=imread('lena.jpg');gray=rgb2gray(I);edges=edge(gray,'Canny',[0.10.2],2);% 自动计算高低阈值imshow(edges);三、参数优化
| 参数 | 影响范围 | 推荐范围 | 调整建议 |
|---|---|---|---|
sigma | 噪声抑制效果 | 1-3 | 噪声明显时增大（如σ=2） |
| 高低阈值比 | 边缘保留数量 | 0.1-0.3 | 通过直方图分析确定 |
| 滤波核大小 | 边缘平滑程度 | 3×3至7×7 | 核越大边缘越平滑 |
| 梯度算子 | 边缘方向灵敏度 | Sobel/Prewitt | 复杂纹理建议使用Prewitt |
四、工程应用案例
1. 医学图像血管检测
% 加载血管造影图像img=imread('vessel.png');gray=rgb2gray(img);% 自适应Canny参数sigma=graythresh(gray)*2;% 基于Otsu方法自动选择edges=edge(gray,'Canny',[0.050.15],sigma);% 形态学后处理se=strel('disk',2);clean_edges=bwareaopen(edges,50);clean_edges=imclose(clean_edges,se);imshow(clean_edges);2. 工业检测（裂纹识别）
% 读取金属表面图像img=imread('metal_surface.jpg');gray=rgb2gray(img);% 多尺度Canny检测edges1=edge(gray,'Canny',[0.080.12],1);edges2=edge(gray,'Canny',[0.150.25],2);% 结果融合final_edges=imfuse(edges1,edges2,'blend');imshow(final_edges);五、常见问题解决方案
- 噪声干扰严重： 增加高斯滤波核大小（如σ=3） 先进行中值滤波预处理
- 边缘断裂： 调整低阈值比例（建议0.1-0.2） 增加形态学闭操作（
imclose） - 计算效率低： 使用积分图像加速梯度计算 对ROI区域进行检测
六、参考
- MathWorks官方文档: Canny Edge Detectionww2.mathworks.cn/help/images/ref/edge.html
- 代码 matlab中实现canny边缘检测算法www.3dddown.com/csa/78285.html
- 《数字图像处理》冈萨雷斯著
- Canny原始论文:A Computational Approach to Edge Detection(1986)
