canny算子精辟总结，通俗易懂

写一个canny算子，网上有很多canny算子的博客，但是有些地方描述的没有很清楚或者说比较讲的比较难懂，本文主要对某些细节进行更通俗的解释，由于时间有限，没有长篇大论的进行详细的描述，适合对canny算子已经有一定了解的同学。

canny算子是一种边缘提取算法，是sobel,prewitt算子的升级版本。

sobel边缘算子的缺陷：
1.只有垂直和水平两个方向，没有充分地利用梯度的方向。

2.只采用单阈值进行最后边缘的判断，梯度幅值小于阈值的认为不是边缘，大于的则认为是边缘。

canny算子的改进：
1.基于边缘梯度方向进行非极大值抑制，将粘合的多个像素边缘，选取最强的单个像素代替。

2.最后采用两个阈值进行判断。

canny进行这两个改进 的目的：
1.取梯度幅值的局部最大值作为真正的边缘，用于细化边缘。

2.对于弱边缘，判断是否与真正的边缘相连，如果不相连不作为边缘，避免将单个的噪声判断为边缘。

canny共分为四个步骤：

1.高斯平滑，降低边缘的错误率，去除一些噪声影响。

2.sobel计算边缘方向和幅值，将方向量化为4个方向，注意梯度方向的计算应该在-180到180度之间，应该采用arctan2,而不是直接arctan(dy/dx)。

梯度的方向其实就是水平和垂直方向的幅值相对大小决定的，哪个方向的幅值大，梯度方向就往哪边靠，比如相等时，则梯度方向在中间，arctan(1)=45度

3.选择一个3x3大小的（或者其他大小）模版，延此像素的梯度方向，判断模版内此像素是不是梯度幅值最大的，如果是保留，如果不是置为0。将模版在图像内移动，遍历所有位置。

4.经过步骤三之后，得到了一个新的梯度幅值图，选择最高的梯度幅值，乘于0.3和0.1分别作为高低阈值，低于低阈值的判断不是边缘，高于高阈值的判断为边缘，处于中间的如果它八邻域内有真正的边缘，将其判断为边缘。

以上为简单通俗的对canny的理解，其中还有更多的细节未能阐述。

参考文章：

Canny算子边缘检测原理及实现_canny检测原理_小武~~的博客-CSDN博客