说明

Canny 边缘检测算法是 John F. Canny 于1986年开发出来的一个多级边缘检测算法，也被很多人认为是边缘检测的最优算法。

Canny原理

1. 降噪
   由于边缘检测容易受到图像中噪声的影响，因此第一步是使用5x5高斯滤波器消除图像中的噪声。

2. 计算梯度值和梯度方向
   通过点乘一个sobel或其它算子得到不同方向的梯度值 $G_x,$ $G_y$。
   综合梯度通过以下公式计算梯度值和梯度方向：
   $$\begin{gathered} Edge\_Gradient(G)=\sqrt{G_x^2+G_y^2} \\ Angle(\theta )={\tan }^{-1}\left(\frac{G_y}{G_x}\right) \end{gathered}$$

3. 非极大值抑制
   在高斯滤波过程中，边缘有可能被放大了。这个步骤使用一个规则来过滤不是边缘的点，使边缘的宽度尽可能为1个像素点：如果一个像素点属于边缘，那么这个像素点在梯度方向上的梯度值是最大的。否则不是边缘，将灰度值设为0。

4. 使用上下阀值来检测边缘
   该阶段确定哪些边缘全部是真正的边缘，哪些不是。为此，我们需要两个阈值minVal和maxVal。强度梯度大于maxVal的任何边缘必定是边缘，而小于minVal的那些边缘必定是非边缘，因此将其丢弃。介于这两个阈值之间的对象根据其连通性被分类为边缘或非边缘。如果将它们连接到“边缘”像素，则将它们视为边缘的一部分。否则，它们也将被丢弃。见下图：
   
   边缘A在maxVal之上，因此被视为“确定边缘”。尽管边C低于maxVal，但它连接到边A，因此也被视为有效边，我们得到了完整的曲线。但是边缘B尽管在minVal之上并且与边缘C处于同一区域，但是它没有连接到任何“确保边缘”，因此被丢弃。因此，非常重要的一点是我们必须相应地选择minVal和maxVal以获得正确的结果。

Canny()

CV_EXPORTS_W void Canny( InputArray image, OutputArray edges,
                         double threshold1, double threshold2,
                         int apertureSize = 3, bool L2gradient = false );

@param image // 8位输入图像。
@param边缘 //输出边缘图； 单通道8位图像，其大小与image相同。
@param threshold1 //下阈值minVal。
@param threshold2 //上阈值maxVal。
@param holeSize //Sobel运算符的范围大小。
@param L2gradient //一个标志，指示是否应使用更准确的$L_2$ norm $=\sqrt{(dI/dx{)}^2+(dI/dy{)}^2}$来计算图像梯度幅度（L2gradient = true），或者使用默认值$L_1$ norm $=|dI/dx|+|dI/dy|$就已经足够（L2gradient = false）。

DEMO

int main() {
	cv::namedWindow("src", 0);
	cv::namedWindow("dst", 0);
	cv::Mat src = cv::imread("./img/test1.jpg", 1);
	cv::Mat dst;
	//cv::cvtColor(src, src, cv::COLOR_BGR2GRAY);
	cv::Canny(src, dst, 100, 300);
	cv::imshow("src", src);
	cv::imshow("dst", dst);
	cv::waitKey(0);
	cv::imwrite("./img/dst.jpg", dst);
	cv::imwrite("./img/src.jpg", src);
}

效果

原图：

结果：