Canny 边缘检测算法原理

Canny 边缘检测是一种经典的边缘检测算法，由 John F. Canny 在 1986 年提出。它具有良好的性能，能够在图像中准确地检测出边缘，同时抑制了噪声的影响。Canny 边缘检测算法主要包含以下几个步骤：

高斯模糊（Gaussian Blur）： 首先，对图像进行高斯模糊处理，以减少图像中的噪声。高斯模糊是一种平滑滤波器，它可以模糊图像并降低图像中像素值的变化率。

计算梯度（Gradient Calculation）： 在经过高斯模糊处理后，使用 Sobel 算子计算图像的梯度，得到图像中每个像素点的梯度强度和方向。通常，水平方向和垂直方向的梯度可以通过 Sobel 算子来计算。

非极大值抑制（Non-maximum Suppression）： 对梯度图像进行非极大值抑制，以使边缘细化并保留最明显的边缘。非极大值抑制的原理是在梯度方向上，只保留局部梯度极大值点，其它非极大值点被抑制。

双阈值检测与边缘跟踪（Double Thresholding and Edge Tracking by Hysteresis）： 使用双阈值来检测边缘像素。将图像中的像素分为强边缘、弱边缘和非边缘三类。通过设置高低两个阈值，将边缘像素分为两个部分：如果像素的梯度值超过高阈值，则被认为是强边缘；如果像素的梯度值介于高低阈值之间，则被认为是弱边缘；如果像素的梯度值低于低阈值，则被认为是非边缘。然后，通过边缘跟踪的方法，将弱边缘像素连接到强边缘像素，以形成完整的边缘。

边缘链接（Edge Linking）： 最后一步是将检测到的边缘连接成一条连续的边缘线。这一步主要采用了边缘跟踪的方法，将弱边缘像素与强边缘像素连接起来，以形成完整的边缘。

总的来说，Canny 边缘检测算法具有很好的边缘检测性能，可以在图像中准确地检测出边缘，并且对噪声有一定的抑制能力，因此被广泛应用于图像处理领域。