1.原理
Canny边缘检测是一种非常流行的边缘检测算法，是 John F。Canny在1986年提出的。它是一个有很多步构成的算法
1）噪声去除
使用5*5的高斯滤波器去除噪声
2）计算图像梯度
对平滑后的图像使用Sobel算子计算水平方向和竖直方向的一阶导数。根据得到的这两幅梯度图找到边界的梯度和方向，公式如下：
梯度的方向一般总是与边界垂直。梯度的方向被归为四类：垂直，水平，和两个对角线
3）非极大值抑制
在获得梯度的方向和大小以后，应该对整幅图像做一个扫描，去掉那些非边界上的点。对每一个像素进行检查，看这个点的梯度是不是周围具有相同梯度方向的点中最大的。这样可以得到的是一个包含“窄边界”的二值图像。
4）滞后阈值
现在我们需要确定那些边界次啊是真正的边界。这时我们需要设置两个阈值：minVal和maxVal。当图像的灰度梯度高于maxValし被认为是真的边界，那些低于minVal的边界则会被抛弃。若结余两者之间的话，就要看这个点是否与某个被确定为真正的边界点相连，如果相连则认为是边界点，否则就抛弃掉。例子如下：
A段被视为真正的边界点，C段虽低于最大阈值，但是与A段相连，因此也视为边界点，而B段则被抛弃，因为不与真正的边界点相连。在这一步小的噪声点也会被除去，因为我们假设边界都是一些长的线段。
2.OpenCV中Canny边界检测
在OpenCV中只需要一个函数cv2.Canny()就可以实现上面的步骤。该函数的第一个参数是输入图像。第二和第三个参数分别是minVal 和 maxVal 。第四个参数设置用来计算图像梯度的Sobel卷积核大小，默认为3.最后一个参数为L2gradient，他可以用来设定求梯度大小的方程。如果设定为True，就会使用我们上面提到的方程。否则会使用
。该参数默认为False
例程如下：
# -*- coding:utf-8 -*-
import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread(‘4.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()
效果如下
通过修改阈值可以看到轮廓的变化
原文：https://www.cnblogs.com/zodiac7/p/9286278.html