ta
1
21
m
m

其中，Phi表示是幅值，Theta是方向，用图像副本进行保存。
f3），对梯度幅值进行非极大值抑制；
为确定边缘，必须保留局部梯度最大的点，而抑制非极大值（NMS）。
解决办法是，利用梯度的方向：已经求出Theta的值，梯度的方向用于非极大值的抑制，将梯度角离散化到01，2，3中的一个（通过线性映射），采用近似的算法。知道了梯度角，也就知道了梯度线方向。邻域的中心像素M与沿着梯度线的两个像素相比。如果M的梯度值不比沿梯度线的两个相邻像素梯度值大，则令M0。
4），用双阈值算法检测和连接边缘。减少假边缘段数量的典型方法是对Ni，j使用一个阈值。将低于阈值的所有值赋零值。但问题是如何选取阈值？解决方法：双阈值算法。双阈值算法对非极大值抑制图象作用两个阈值τ1和τ2，且2τ1≈τ2，从而可以得到两个阈值边缘图象N1［ij］和N2［i，j］。由于N2［i，j］使用高阈值得到，因而含有很少的假边缘，但有间断不闭合。双阈值法要在N2［i，j］中把边缘连接成轮廓，当到达轮廓的端点时，该算法就在N1［ij］的8邻点位置寻找可以连接到轮廓上的边缘，这样，算法不断地在N1［ij］中收集边缘，直到将N2［ij］连接起来为止。
fr