边缘连接

以下连接间断点的算法：

1．“非最大”抑制。在沿边缘方向追踪边缘点时，不被看作边缘点要进行抑制（设为0），这样最后输出的图像边缘比较细，具体操作时可使用形态学算法进行细化处理。

2．“滞后”处理。若使用单阈值 ，假定轮廓的平均灰度等于T ，由于噪声影响，轮廓上的有些点的灰度会小于T ，同样，有些点的灰度会高于T ，必然会造成轮廓的中断。为了避免这种情况出现，“滞后”处理使用一高一低两个阈值。图像中任意一点，只要其梯度大于T1 ，都被假定为边缘点，并立即标记，和该点相连的任意点只要其梯度大于T2 ，也被作为边缘点进行标记。因此，跟踪一个边缘，首先应该以梯度大于T1 的点开始，在遇到梯度小于T2的点前不要停止，这一跟踪过程称为“滞后”处理。 

轮廓跟踪好像和边缘连接属于不同的边缘提取算法

对于一个图像来说，轮廓跟踪有边缘检测的效果，但是对于对比度低的图像效果并不是很好.对于已经提取出来的边缘，轮廓跟踪是没有作用的，必须要用边缘连接算法来完成边缘的提取.

融合算法步骤

①  Sobel算子与图像卷积经典的Sobel算子只有水平和垂直两个方向的

模板，本文采用8个方向的模板（见图2）。图像中的每一点与这8个模板分别卷积，所得的最大值作为Sobel算子与图像卷积的输出，并记录相应的模板方向为该点的方向

②确定高低门限得到Sobel边缘图1，Soble边缘图2

③用Canny最佳边缘检测算子得到Canny边缘图

④Canny边缘图与Sobel边缘图1相与，得到初始边缘图

⑤在初始边缘图上寻找每一边缘线的端点或孤立点，标记这些点作为修补弱边缘的初始点

⑥采用轮廓跟踪的思想进行边缘修补，具体算法如下：

a.  确定孤立点或端点P的边缘方向（由①步Sobel算子计算得到）。

b.  在Sobel边缘图2上寻找P点边缘方向上的点Pˊ是否在Sobel边缘图2上。

c.  若Pˊ在Sobel边缘图2上，则P点为丢失的边缘点，将P修补，且Pˊ置为P，返回a步。若Pˊ点不在Sobel边缘图2上，则停止对P的边缘修补。

d.  若初始边缘图上还有孤立点或端点还未修补，则返回a步。 

 

来源：http://blog.csdn.net/byxdaz/article/details/603233