自适应阈值的canny边缘检测算法-c语言实现

---

canny算子请查看：请点击这里             

为了解决canny算子中阈值的取值问题，引入了自适应阈值。技术文章来自：

　　自适应Canny算子边缘检测技术_李牧

　　

　　大家可以google一下，很好找到。

---

在文章中使用了“基于梯度幅度直方图和类内方差最小化动态的自动确定高低阈值”方法；

 

主要方法如下：

1.将经过非模极大值抑制后的梯度幅值分为L级, 模极大值分成3类: C0、C1、C2,

C0 类为非边缘点的像素,

C2 类为边缘点的像素,

C1 类包含的像素可能是边缘点, 也可能不是边缘点.

设定ni 为模数为i 的像素的总数, Pi 为该模级像素数占整个图像像素的比率:

令C0 包含模级[ 0, 1, ,, k] 的像素, C1 包含模级[ k+1, k+ 2, ,, m] 的像素, C2 包含模级[ m+ 1,m+2, ,, l-1] 的像素:

这里的k m 就是我们需要找到的低 高阈值。

经过过程推导（请忽视这些细节）后,得到我们需要的公式：

 

附上改写的c语言实现：

 

 

 

void autoGetValue(SIZE sz, int *pThrHigh, int *pThrLow, int *pMag) {
    //自适应的阈值计算
    double P[256]; //灰度概率值
    for (int i = 0;i < 256;i++) {
        P[i] = 0;
    }
    //LPBYTE pGray 数据
    for(LONG y=0;y<sz.cy;y++) { 
        for(LONG x=0;x<sz.cx;x++) { 
            P[pMag[y*sz.cx+x]]++;//对应的灰度值加1
            //printf ("%d\n",pGray[y*sz.cx+x]);
        } 
    }
    for (int i = 0;i < 256;i++) {
        //printf ("h:%d,v:%d\n",i,P[i]);
        P[i]/=(sz.cx * sz.cy * 1.0);
        //printf ("h:%d,v:%f\n",i,P[i]);
    }

    //前n项的概率和
    double P_M[256];
    P_M[0] = P[0];
    for (int i = 1;i < 256;i++) {
        P_M[i] = P_M[i - 1] + P[i];
        //printf ("前n灰度概率:%d,v:%f\n",i,P_M[i]);
    }
    //前N项的期望和
    double P_M_I[256];
    P_M_I[0] = 0;
    for (int i = 1;i < 256;i++) {
        P_M_I[i] = i * P[i] +P_M_I[i - 1];
        //printf ("前n灰度期望:%d,v:%f\n",i,P_M_I[i]);
    }
    int k = 0;
    int m = 0;
    int go_on;
    for (k = 0;k < 256;k++) {
        go_on = 1;
        for (m = 0;m < 256;m++) {
            if (fabs(2.0 * k - (P_M_I[k] / (P_M[k] * 1.0)) -  ( (P_M_I[m] - P_M_I[k])/ (P_M[m] - P_M[k]))) <= 1
                &&
                fabs(2.0 * m - ( (P_M_I[m] - P_M_I[k])/ (P_M[m] - P_M[k])) - ( (P_M_I[255] - P_M_I[m])/ (P_M[255] - P_M[m]))) <= 1

                ){
                    //printf ("have?");
                    go_on = 0;
                    break;
            } //找到最佳阈值
        }
        if (!go_on) break;
    }
    *pThrHigh =m;  
    *pThrLow = k;
}

学习ing。