OpenCV 提供了許多邊緣檢測濾波函數，包括 Laplacian()、Sobel()、Scharr() 等。這些濾波函數都會将非邊緣區域轉為黑色，将邊緣區域轉為白色或其他飽和的顔色。但是這些函數都很容易将噪聲錯誤地識别為邊緣。
是以為了緩解将噪聲錯誤地識别為邊緣這個問題，可以在找到邊緣之前對圖像進行模糊處理。OpenCV 也提供了許多模糊濾波函數，包括 blur() （簡單算數平均）、medianBlur()、GaussianBlur() 等。
而本文主要講述的 Canny 邊緣檢測算法則是使用的高斯濾波器進行去噪，然後再計算梯度，在邊緣上使用 NMS ，之後在檢測到的邊緣使用雙門檻值去除假陽性，最後還會分析所有的邊緣及其之間的連接配接，以保證真正的邊緣并消除不明顯的邊緣。
以一張青蛙圖檔為例，示範代碼的運作過程：
frog_gray = cv2.imread('frog.png',cv2.IMREAD_GRAYSCALE)
median_intensity = np.median(frog_gray)
lower_threshold = int(max(0,(1.0-0.33)*median_intensity))
upper_threshold = int(min(255,(1.0+0.33)*median_intensity))
frog_Canny = cv2.Canny(frog_gray,lower_threshold,upper_threshold)
plt.imshow(frog_Canny,cmap='gray')
plt.show()
