1、Canny边缘检测流程

a、使用高斯滤波器，以平滑图像，滤除噪声。
b、计算图像中每个像素点的梯度强度和方向。
c、应用非极大值抑制，以消除边缘检测带来的杂散效应。
d、应用双阈值检测来确定真实的和潜在的边缘。
e、通过抑制孤立的弱边缘最终完成边缘检测。

2、高斯滤波器

a、高斯核模板

b、高斯滤波计算

3、梯度和方向

上面公式中右边的表示水平方向和竖直方向的sobel模板，G表示像素点梯度，表示像素点方向，其中表示像素点水平方向和竖直方向的梯度值。

4、非极大值（NMS）抑制

a、线性插值法

假设像素点c的梯度方向为下图的蓝色直线，则该直线与像素的邻近像素点有两个交点dTmp1和dTmp2，但由于该两个点为亚像素点（实际不存在的像素点），因为需要利用线性插值法来进行插值。

如上图所示，假设的梯度幅值为、的梯度幅值为，则dTmp1为,其中

NMS抑制：像素点c如果比dTmp1和dTmp2都大就保留该像素点，否则就会被抑制掉。

b、简便方法

上面所述中，像素点的梯度方向的交点与哪个方向的邻近像素点最近，就计算哪个方向的梯度幅值。

5、双阈值检测

上面所述的连有边界是指如果与已确定的边界相连就保留，否则就舍弃。

ps:阈值设定较小则可以显示更加细致的边界信息，但过小则容易产生噪声。

6、Canny代码效果

import cv2
img=cv2.imread("car.jpg",cv2.GRAYSCALE)
v1=cv2.Canny(img,120,250)
v2=cv2.Canny(img,50,100)
res=cv2.hstack((v1,v2))
cv2.imshow("res",res)
cv2.waitKey()
cv2.destroyAllWindows()