1--算法原理

具体原理讲解可参考博客1 和博客2，算法主要步骤如下：

① 使用高斯模糊（高斯滤波）去除噪声；

② 进行灰度转换，转换为灰度图；

③ 计算梯度，首先使用 Sobel 算子 Gx 和 Gy 分别计算 Grad_x 和 Grad_y，接着计算梯度Grad_xy 及梯度方向 θ；

④ 进行非最大信号抑制，保留一定范围内（例如3×3邻域）像素值最大的像素点，其余像素点的像素值置0；

⑤ 设置高低阈值，输出二值图像；抑制（去除）梯度值小于低阈值的像素点；梯度值大于高阈值的像素点保留为强边缘点；梯度值介于低阈值和高阈值之间的像素点，保留为弱边缘，需要进行进一步的处理；

⑥ 弱边缘抑制，对第 ⑤ 步的弱边缘点进行进一步的处理，如果弱边缘点在规定邻域内（例如3×3邻域）存在强边缘点邻居，则正式保留为真实边缘点，否则进行抑制（剔除）；

需要强调的是非最大信号（非极大值）抑制的原理：

非极大抑制（Non-Maximum Suppression，NMS）指的是遍历图像中的所有像素点，判断当前像素点是否是周围像素点中的最大值（具有相同方向梯度）；如果当前像素点的梯度最大，则保留像素点，否则就抑制（剔除，像素值置0），这一步的目的往往是将模糊的边界变得清晰；

2--Opencv API

需要说明的是，高阈值（API中的 threshold2）通常设置为低阈值（API中的 threshold1）的2~3倍；

3--代码实例

# include <opencv2/opencv.hpp>
# include <cstdio>
# include <iostream>

cv::Mat gray_src;
int thresh = 50; // 初始阈值
int max_value = 255; // 最大阈值

void Canny_Demo(int, void*){
    cv::Mat edge;
    cv::blur(gray_src, gray_src, cv::Size(3, 3), cv::Point(-1, -1), cv::BORDER_DEFAULT); // 先进行简单滤波去除噪声
    cv::Canny(gray_src, edge, thresh, thresh*2, 3, false); // 调用 API 实现边缘检测
    cv::imshow("output", edge);
}

int main(int argc, char** argv){
    cv::Mat src;
    src = cv::imread("C:/Users/Liujinfu/Desktop/opencv_bilibili/test1.jpg");
    if (src.empty()){
        printf("could not load image..\n");
        return -1;
    }
    cv::imshow("input", src);
    
    cv::cvtColor(src, gray_src, cv::COLOR_BGR2GRAY); // 灰度化

    cv::namedWindow("output");
    cv::createTrackbar("low_Thresh: ", "output", &thresh, max_value, Canny_Demo); 
    Canny_Demo(0, 0);
    
    cv::waitKey(0);
    return 0;
}