canny算子做目标提取 matlab实现

该代码使用matlab实现，代码结构清晰完整，方便大家学习

function e=canny（I）
   
%     gray = rgb2gray（I）;
    gray=I;
    a = im2single（gray）;
   
    [mn] = size（a）;
    % 用于输出的边界位图
    e = false（mn）;
   
    % Magic numbers
    GaussianDieOff = .0001; 
    PercentOfPixelsNotEdges = .7; % 用于阀值选择
    ThresholdRatio = .4;          % 低阀值相对高阀值的比值
    sigma = 1; %设置sigma
    thresh = [];
   
    % 设计滤波器 - a gaussian和它的导数
    pw = 1:30; % possible widths
    ssq = sigma^2;
    width = find（exp（-（pw.*pw）/（2*ssq））>GaussianDieOff1‘last‘）;%find函数很给力...
    if isempty（width）
    width = 1;  % the user entered a really small sigma
    end
   
    t = （-width:width）;
    gau = exp（-（t.*t）/（2*ssq））/（2*pi*ssq）;     % 高斯一维滤波
   
    % Find the directional derivative of 2D Gaussian （along X-axis）
    % Since the result is symmetric along X we can get the derivative along
    % Y-axis simply by transposing the result for X direction.
    [xy]=meshgrid（-width:width-width:width）;
    dgau2D=-x.*exp（-（x.*x+y.*y）/（2*ssq））/（pi*ssq）;%二维高斯方向导数
   
    % Convolve the filters with the image in each direction
    % The canny edge detector first requires convolution with
    % 2D gaussian and then with the derivitave of a gaussian.
    % Since gaussian filter is separable for smoothing we can use
    % two 1D convolutions in order to achieve the effect of convolving
    % with 2D Gaussian.  We convolve along rows and then columns.
   
    %用一阶高斯滤波器平滑图像
    aSmooth=imfilter（agau‘conv‘‘replicate‘）;   % run the filter accross rows
    aSmooth=imfilter（aSmoothgau‘‘conv‘‘replicate‘）; % and then accross columns
   
    %应用方向导数
    ax = imfilter（aSmooth dgau2D ‘conv‘‘replicate‘）;
    ay = imfilter（aSmooth dgau2D‘ ‘conv‘‘replicate‘）;
   
    %计算梯度幅值
    mag = sqrt（（ax.*ax） + （ay.*ay））;
    magmax = max（mag（:））;
    if magmax>0
     mag = mag / magmax;   % normalize
    end
   
    % 选择高低两个阀值用于双阀值算法检测和连接边缘.
    if isempty（thresh）
     counts=imhist（mag 64）;
     highThresh = find（cumsum（counts） > PercentOfPixelsNotEdges*m*n...
                   1‘first‘） / 64;
     lowThresh = ThresholdRatio*highThresh;
     thresh = [lowThresh highThresh];
    elseif length（thresh）==1
     highThresh = thresh;
     if thresh>=1
      eid = sprintf（‘Images:%s:thresholdMustBeLessThanOne‘ mfilename）;
      msg = ‘The threshold must be less than 1.‘;
      error（eid‘%s‘msg）;
    end
     lowThresh = ThresholdRatio*thresh;
     thresh = [lowThresh highThresh];
     elseif length（thresh）==2
     lowThresh = thresh（1）;
     highThresh = thresh（2）;
     if （lowThresh >= highThresh） || （highThresh >= 1）
      eid = sprintf（‘Images:%s:thresholdOutOfRange‘ mfilename）;
      msg = ‘Thresh must be [low high] where low < high < 1.‘;
      error（eid‘%s‘msg）;
     end
    end
   
    % The next step is to do the non-maximum supression. 
    % We will accrue indices which specify ON pixels in strong edgemap
    % The array e will become the weak edge m

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2017-12-08 21:15  CorrelationMatching\
     文件        3667  2017-12-08 21:14  CorrelationMatching\canny.m
     文件         857  2017-12-08 21:15  CorrelationMatching\cannyFindLocalMaxima.m
     文件         256  2017-12-08 21:38  CorrelationMatching\main.m
     文件       22995  2011-12-24 18:59  CorrelationMatching\Scene.jpg
     文件        1521  2011-12-18 17:32  CorrelationMatching\Template_1.jpg
     文件        9752  2011-12-16 17:35  CorrelationMatching\Template_2.jpg