摘要：雖然邊低于，但它連接到邊，因此也被視為有效邊，我們得到完整的曲線。但邊緣雖然高于并且與邊緣的區域相同，但它沒有連接到任何真實邊緣，因此被丟棄。

Canny Edge Detection

Canny邊緣檢測是一種流行的邊緣檢測算法.它是由John F. Canny開發的,

這是一個多階段算法.

減少噪音
由于邊緣檢測易受圖像中的噪聲影響，因此第一步是使用5x5高斯濾波器去除圖像中的噪聲.

計算圖像梯度
對平滑后的圖像使用sobel算子在水平與豎直方向上計算一階導數，得到圖像梯度（Gx和Gy）。根據梯度圖找到邊界梯度和方向
$$ Edge\_Gradient ; (G) = sqrt{G_x^2 + G_y^2} $$
$$ Angle ( heta) = an^{-1} igg(frac{G_y}{G_x}igg) $$
梯度方向一般與邊界垂直，有四類：垂直、水平、兩個對角線

非極大值抑制
在獲得梯度幅度和方向之后，完成圖像的全掃描以去除可能不構成邊緣的任何不需要的像素.為此，在每個像素處，檢查像素是否是其在梯度方向上的鄰域中的局部最大值.

A點位于邊緣（垂直方向），梯度方向與邊緣垂直. B點和C點處于梯度方向。 因此，用點B和C檢查點A，看它是否形成局部最大值.如果是這樣，則考慮下一階段，否則，它被抑制（置零）.

滯后閾值
這個階段決定哪些邊緣是邊緣，哪些邊緣不是邊緣. 為此，我們需要兩個閾值，minVal和maxVal. 強度梯度大于maxVal的邊緣肯定是邊緣，而minVal以下的邊緣肯定是非邊緣的，因此被丟棄. 兩者之間的值要判斷是否與真正的邊界相連，相連就保留，不相連舍棄.

邊緣A高于maxVal，因此被視為“真實邊緣”。
雖然邊C低于maxVal，但它連接到邊A，因此也被視為有效邊，我們得到完整的曲線。
但邊緣B雖然高于minVal并且與邊緣C的區域相同，但它沒有連接到任何“真實邊緣”，因此被丟棄。
因此，我們必須相應地選擇minVal和maxVal才能獲得正確的結果

我們最終得到的是圖像中的強邊緣

cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]])

image:輸入圖像

threshold1和threshold2：minVal和maxVal

apertureSize：用于查找圖像漸變的Sobel內核的大小，3（默認）

L2gradient：指定用于查找梯度幅度的等式，如果它是True，它使用上面提到的更準確的等式，否則它=False（默認）使用：

$$Edge\_Gradient ; (G) = |G_x| + |G_y|$$

代碼：

import cv2
from matplotlib import pyplot as plt

img = cv2.imread("img.jpg",0)

edges = cv2.Canny(img,100,200)

plt.subplot(121),plt.imshow(img,cmap = "gray")
plt.title("Original Image"), plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(edges,cmap = "gray")
plt.title("Edge Image"), plt.xticks([]), plt.yticks([])

plt.show()