Canny 边缘检测是一种非常流行的边缘检测算法，是 John F.Canny 在1986 年提出的。 它是一个有很多步构成的算法，接下来会逐步介绍。
噪声去除
由于边缘检测很容易受到噪声影响，所以第一步是使用 5x5 的高斯滤波器去除噪声，这个前面已经学过了。
计算图像梯度
对平滑后的图像使用 Sobel 算子计算水平方向和竖直方向的一阶导数（图像梯度）（Gx 和 Gy）。 根据得到的这两幅梯度图（Gx 和 Gy）找到边界的梯度和方向，公式如下：
梯度的方向一般总是与边界垂直。梯度方向被归为四类：垂直，水平，和两个对角线。
非极大值抑制
在获得梯度的方向和大小之后，应该对整幅图像做一个扫描，去除那些非边界上的点。 对每一个像素进行检查，看这个点的梯度是不是周围具有相同梯度方向的点中最大的。如下图所示：
现在得到的是一个包含“窄边界”的二值图像。
滞后阈值
现在要确定那些边界才是真正的边界。这时需要设置两个阈值：minVal 和 maxVal。 当图像的灰度梯度高于 maxVal 时被认为是真的边界，那些低于 minVal 的边界会被抛弃。 如果介于两者之间的话，就要看这个点是否与某个被确定为真正的边界点相连，如果是就认为它也是边界点，如果不是就抛弃。如下图：
A 高于阈值 maxVal 所以是真正的边界点，C 虽然低于 maxVal 但高于minVal 并且与 A 相连， 所以也被认为是真正的边界点。而 B 就会被抛弃，因为他不仅低于 maxVal 而且不与真正的边界点相连。 所以选择合适的 maxVal和 minVal 对于能否得到好的结果非常重要。
在这一步一些小的噪声点也会被除去，因为假设边界都是一些长的线段。
运行
在 OpenCV 中只需要一个函数： cv2.Canny() ，就可以完成以上几步。
如何使用这个函数，它的第一个参数是输入图像。第二和第三个分别是 minVal 和 maxVal。
第三个参数设置用来计算图像梯度的 Sobel卷积核的大小，默认值为 3。
最后一个参数是 L2gradient，它可以用来设定求梯度大小的方程。如果设为 True，就会使用上面提到过的方程，否则使用方程：
. 代替，默认值为 False。
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('/data/cvdata/messi5.jpg',0)
edges = cv2.Canny(img,100,200)
plt.subplot(121),plt.imshow(img,cmap = 'gray')
plt.title('Original Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(edges,cmap = 'gray')
plt.title('Edge Image'), plt.xticks([]), plt.yticks([])
plt.show()
官方结果
更多资源
Canny edge detector at Wikipedia
Canny Edge Detection Tutorial by Bill Green, 2002.
练习
- 写一个小程序，可以通过调节滑动条来设置阈值 minVal 和 maxVal 进而来进行 Canny 边界检测。这样就会理解阈值的重要性了。