canny算子是圖像進行中比較常用的算法，之前曾用canny來進行邊緣檢測，友善接下來的用Hough對圖像進行處理，其中Canny算子的算法原理中有好多基本的機率都很重要，為了溫故是以寫篇Canny，有不做和錯誤的地方歡迎指征。
首先介紹一下Canny對邊緣檢測品質進行分析提出了三個原則：1.信噪比準則、2.定位精度準則、3.但邊緣響應準則，具體什麼意思這裡就不貼了。邊緣檢測算法難點在于需要在排除噪聲和精準定位方面，正所謂魚和熊掌不可兼得。Canny算子可以在這兩者之間比較好的折衷
算法步驟
（1）用高斯濾波器平滑圖像
這裡為什麼用對圖像進行平滑，有一種解釋是在後期邊緣檢測的時候可以獲得比較圓潤的邊緣，坑擊噪聲對圖像的幹擾
（1）是高斯函數，但是在canny算子中用的是不帶系數的高斯函數，G(x,y)=F(x,y)*H(x,y),G為濾波後的圖像，F為原始圖像
（2）用一階偏導的有限差分計算梯度幅值和方向
（2）數學表達式
（3）計算模闆
（4）計算梯度幅值和方向
附：在canny算子中使用的是一階偏導如（2），二階偏導的數學表達式：f(x+1)-f(x)-(f(x)-f(x-1))=f(x+1)+f(x1)-2f(x)
(3)對梯度幅值進行非極大值抑制
在http://blog.csdn.net/xiaxiazls/article/details/47841435這篇文章中的這部分介紹很詳細。要進行非極大值抑制，就首先要确定像素點C的灰階值在其8值鄰域内是否為最大。圖1中藍色的線條方向為C點的梯度方向，這樣就可以确定其局部的最大值肯定分布在這條線上，也即出了C點外，梯度方向的交點dTmp1和dTmp2這兩個點的值也可能會是局部最大值。是以，判斷C點灰階與這兩個點灰階大小即可判斷C點是否為其鄰域内的局部最大灰階點。如果經過判斷，C點灰階值小于這兩個點中的任一個，那就說明C點不是局部極大值，那麼則可以排除C點為邊緣。這就是非極大值抑制的工作原理。
（4）用雙門檻值方法檢測和連接配接邊緣
使用兩個門檻值T1和T2(T1<T2),首先使用高門檻值得到一個邊緣圖像，但是該邊緣圖像由于采用的是高門檻值，是以存在不連續的情況比較多，這個時候在高門檻值邊緣圖像的端點8領域處尋找可以連接配接的到輪廓上的邊緣，當滿足門檻值T1時連接配接。