Canny算子Canny邊緣檢測算子是John F. Canny于 1986 年開發(fā)出來的一個多級邊緣檢測算法。更為重要的是 Canny 創(chuàng)立了邊緣檢測計算理論（Computational theory of edge detection）解釋這項技術如何工作。

　　Canny 算法包含許多可以調整的參數(shù)，它們將影響到算法的計算的時間與實效。

　　高斯濾波器的大小：第一步所用的平滑濾波器將會直接影響 Canny 算法的結果。較小的濾波器產(chǎn)生的模糊效果也較少，這樣就可以檢測較小、變化明顯的細線。較大的濾波器產(chǎn)生的模糊效果也較多，將較大的一塊圖像區(qū)域涂成一個特定點的顏色值。這樣帶來的結果就是對于檢測較大、平滑的邊緣更加有用，例如彩虹的邊緣。

　　閾值：使用兩個閾值比使用一個閾值更加靈活，但是它還是有閾值存在的共性問題。設置的閾值過高，可能會漏掉重要信息；閾值過低，將會把枝節(jié)信息看得很重要。很難給出一個適用于所有圖像的通用閾值。目前還沒有一個經(jīng)過驗證的實現(xiàn)方法。

　　Canny 算法適用于不同的場合。它的參數(shù)允許根據(jù)不同實現(xiàn)的特定要求進行調整以識別不同的邊緣特性。對于PC上的實時圖像處理來說可能慢得無法使用，尤其是在使用大的高斯濾波器的情況下。但是，我們討論計算能力的時候，也要考慮到隨著處理器速度不斷提升，有望在未來幾年使得這不再成為一個問題。

　　canny算子的語法原理分析

　　1. Canny邊緣檢測基本原理

　　（1）圖象邊緣檢測必須滿足兩個條件：一能有效地抑制噪聲；二必須盡量精確確定邊緣的位置。

　　（2）根據(jù)對信噪比與定位乘積進行測度，得到最優(yōu)化逼近算子。這就是Canny邊緣檢測算子。

　　（3）類似與Marr（LoG）邊緣檢測方法，也屬于先平滑后求導數(shù)的方法。

　　2. Canny邊緣檢測算法：

　　step1：用高斯濾波器平滑圖象；

　　step2：用一階偏導的有限差分來計算梯度的幅值和方向；

　　step3：對梯度幅值進行非極大值抑制；

　　step4：用雙閾值算法檢測和連接邊緣。

　　step1：高斯平滑函數(shù)

　　（可以理解下維基百科上關于卷積函數(shù)的定義，如下圖移動的紅色窗口代表我們的高斯和函數(shù)，藍色為圖像灰度函數(shù)）

　　通過高斯函數(shù)產(chǎn)生k*k的模板如3*3

　　用這個模板對每個像素進行加權平均

　　Step2：一階微分卷積模板

　　step3：對梯度幅值進行非極大值抑制

　　僅僅得到全局的梯度并不足以確定邊緣，因此為確定邊緣，必須保留局部梯度最大的點，而抑制非極大值。（non-maxima suppression，NMS）

　　解決方法：利用梯度的方向。

　　圖1非極大值抑制

　　四個扇區(qū)的標號為0到3，對應3*3鄰域的四種可能組合。在每一點上，鄰域的中心象素M與沿著梯度線的兩個象素相比。如果M的梯度值不比沿梯度線的兩個相鄰象素梯度值大，則令M=0。

　　即：

　　Step4：用雙閾值算法檢測和連接邊緣：

　　對非極大值抑制圖像作用兩個閾值th1和th2，兩者關系th1=0.4th2 。我們把梯度值小于th1的像素的灰度值設為0，得到圖像1。然后把梯度值小于th2的像素的灰度值設為0，得到圖像2。由于圖像2的閾值較高，去除大部分噪音，但同時也損失了有用的邊緣信息。而圖像1的閾值較低，保留了較多的信息，我們可以以圖像2為基礎，以圖像1為補充來連結圖像的邊緣。

　　鏈接邊緣的具體步驟如下：

　　對圖像2進行掃描，當遇到一個非零灰度的像素p（x，y）時，跟蹤以p（x，y）為開始點的輪廓線，直到輪廓線的終點q（x，y）。

　　考察圖像1中與圖像2中q（x，y）點位置對應的點s（x，y）的8鄰近區(qū)域。如果在s（x，y）點的8鄰近區(qū)域中有非零像素s（x，y）存在，則將其包括到圖像2中，作為r（x，y）點。從r（x，y）開始，重復第一步，直到我們在圖像1和圖像2中都無法繼續(xù)為止。

　　當完成對包含p（x，y）的輪廓線的連結之后，將這條輪廓線標記為已經(jīng)訪問。回到第一步，尋找下一條輪廓線。重復第一步、第二步、第三步，直到圖像2中找不到新輪廓線為止。

　　3. canny算法程序實現(xiàn)

　　Canny算法程序中將上述的4個步驟再加以細分，分成以下7步：

　　l 生成高斯濾波系數(shù)；

　　l 用生成的高斯濾波系數(shù)對原圖像進行平滑；

　　l 求濾波后圖像的梯度；

　　l 進行非最大抑制；

　　l 統(tǒng)計圖像的直方圖，對閾值進行判定；

　　l 利用函數(shù)尋找邊界起點；

　　l 根據(jù)第6步執(zhí)行的結果，從一個像素點開始搜索，搜索以該像素點為邊界起點的一條邊界的一條邊界的所有邊界點；