Canny边缘检测原理及C#程序实现

    Canny边缘检测是被公认的检测效果最好的边缘检测方法，是由John F. Canny于1986年提出，算法目标是找出一个最优的边缘检测的方法，所谓最优即:1.好的检测：算法能够尽可能的标识出图像的边缘；2.好的定位：标识出的边缘要尽可能的与实际边缘相接近；3.最小响应：图像中的边缘只能标识一次，并且不能把噪声标识成边缘。同时我们也要满足3个准则：信噪比准则、定位精度准则、单边缘响应准则。

    Canny边缘检测算法可分为4步：

    高斯滤波器平滑、计算梯度、非极大值抑制、双阈值边缘检测和边缘连接。

    (经典不会随着时间褪色，算法也是一样)

    下面将逐步讲解并给出程序：

    第一步：高斯平滑

    为什么要对图像（灰度图像）进行高斯平滑预处理呢？高斯滤波器对去除服从正态分布的的噪声很有效，我做过实验，随着高斯模板的增大，被识别的边缘会逐渐减少，所以通过选着适合大小的高斯模板平滑，可以比较有效的去除一些伪边缘点。

    第二步：计算梯度

    首先，由一阶导数算子（一般用sobel模板）计算灰度图像每个像素点在水平和竖直方向上的导数Gx、Gy，得出梯度向量（Gx，Gy），计算梯度的值G和方向theta：

        G=sqrt（Gx*Gx+Gy*Gy)  theta=arctan(Gy/Gx)

然后，将每个像素点的梯度的值和方向分别放入两个数组中，程序如下：

     第三步：非极大值抑制

     如果直接把梯度作为边缘的话，将得到一个粗边缘的图像，这不满足上面提到的准则，我们希望得到定位准确的单像素的边缘，所以将每个像素点的梯度与其梯度方向上的相邻像素比较，如果不是极大值，将其置0，否则置为某一不大于255的数，程序如下：