Canny算法是边缘检测的一个经典算法，比单纯用一些微分算子来检测的效果要好很多，其优势有以下几点：
- 边缘误检与漏检率低。
- 边缘定位准确，且边界较细。
- 自带一定的滤噪功能，或者说，对噪声的敏感度要比单纯算子低。
- 具有多个可调整参数，可影响算法的时间与时效。
但是Canny相比单纯算子来说计算量偏大，下面简单介绍算法的过程。
图像去噪：
这一步不是必须的，一般噪声少的图，让Canny自己应付就行。若噪声较多，一般采用高斯滤波。滤波后，噪声灰度下降，对边缘的影响
小于噪点。
获取梯度强度与方向：
用一阶微分算子获取梯度强度和方向，如sobel算子，强度与方向公式如下：
要用两个矩阵分别存储强度和方向，其中方向公式需要根据具体算子情况更改正负号，最终使上下左右、45度方向可以区分开来。例如下图所示，
这里将上下放在（60,90）和（-90，-60）区间，因为它们在非极大抑制时取的都是上下邻域；将左右放在（-30,30）区间，因为它们抑制时取的是
左右邻域；将处于斜向上对角线的梯度角放在（30,60），它们在抑制时取45度的两个邻域；将斜向下对角线上的梯度角放在（-60，-30），它们在
抑制时取-45度的两个邻域。
非极大抑制：
该步骤目的是删除非边缘像素，主要做法是对每个像素点，与它梯度方向的相邻两像素作灰度比较（比如左右两个像素），如果该像素点
灰度比它两个相邻像素都大，则保留其灰度值，否则抑制（赋值0）。
双阈值处理：
设定一个高阈值和低阈值，对灰度大于高阈值的像素点，确认为强边缘，赋值255，低于低阈值的点赋值0，介于之间的点保留其灰度值，作为弱边缘。
滞后边界追踪：
这一步主要是处理弱边缘，总的思路是找到每一个弱边缘的连通域，判断该连通域与强边缘有无相邻，如果存在至少一个像素与强边缘相邻，则将该连
通域都作为强边缘（赋值255），如果没有一个像素与强边缘相邻，则将整个连通域视为噪声（赋值0）。
所以，关键在于找到连通域，通常有DFS与BFS两种算法可以处理连通域问题，这里采用BFS算法，思路如下：
1.扫描整个图像，判断每个像素是否为弱边缘，如果是，进入步骤2（查找连通域）。
2.用connect数组保存组成连通域的所有点；用weak数组保存待检查八领域的弱点；用checked数组标记已被扫描过的弱点（也就是连通域里的点），标
记1表示已扫描；用变量real_edge记录是否有检测到强点。将刚才判定的弱边缘点压入connect、weak，checked相应位置标记为1。进入步骤3。
3.创建new_weak用来保存新的待检测八领域的弱点。依次对weak中每个待检测点，遍历其八领域，找到所有未被checked标记的新弱点，压入new_weak
、connect，checked相应位置标记为1，同时检查八领域内是否有强边缘，有则标记real_edge=1。对weak所有待检测点检查完后，如果new_weak不为
空，则将new_weak赋给weak，重复步骤3;如果new_weak为空，则表示一个连通域寻找完毕，进入步骤4。
4.如果real_edge=1，则将连通域每个点的灰度赋值255,否则赋值0；弹出connect、weak、checked中所有点。
5.重复步骤1-4，直道图像扫描完毕。
经过以上这些步骤，Canny算法就已经实现了。我们要做的就是根据图像调整双阈值和滤波强度。下面是Canny的一个处理实例，其中给出了单纯sobel检测和
Canny检测的效果与所用时间。通过下图可以知道，Canny检测的边缘要薄的多，细节处理更好，噪声也更少。在时间表中，canny算法用了大约300ms(图像大小为
500像素*500像素)；而sobel(表中为diffedge)为10ms左右（就不要看绝对时间了，这么长应该跟算法没关系）。
以下是matlab代码实现：
%canny前先高斯滤波 function edge=canny(gaussianimg,lthres,hthres) sobel_operator_x=[-1,0,1; -2,0,2; -1,0,1]; sobel_operator_y=[-1,-2,-1; 0,0,0; 1,2,1]; %梯度强度 diff_x=filter2(sobel_operator_x,gaussianimg); diff_y=filter2(sobel_operator_y,gaussianimg); diff=uint8(sqrt((diff_x.^2+diff_y.^2)/32)); %梯度方向 [sizex,sizey]=size(gaussianimg); angle=zeros(sizex,sizey); edge=uint8(zeros(sizex,sizey)); for i=1:sizex for j=1:sizey angle(i,j)=atan(-diff_y(i,j)/diff_x(i,j))/pi*180; end end %非极大抑制,排除非边缘像素 for i=2:sizex-1 for j=2:sizey-1 if (angle(i,j)>90||angle(i,j)<-90) break; elseif angle(i,j)>=60 || angle(i,j)<=-60 if (diff(i,j)>diff(i-1,j)&&diff(i,j)>=diff(i+1,j)) edge(i,j)=uint8(diff(i,j)); end elseif (angle(i,j)<=-30) if (diff(i,j)>diff(i-1,j-1)&&diff(i,j)>=diff(i+1,j+1)) edge(i,j)=uint8(diff(i,j)); end elseif angle(i,j)>=30 if (diff(i,j)>diff(i-1,j+1)&&diff(i,j)>=diff(i+1,j-1)) edge(i,j)=uint8(diff(i,j)); end elseif angle(i,j)<30||angle(i,j)>-30 if (diff(i,j)>diff(i,j-1)&&diff(i,j)>=diff(i,j+1)) edge(i,j)=uint8(diff(i,j)); end end end end %双阈值 for i=1:sizex for j=1:sizey if (edge(i,j)>=hthres) edge(i,j)=255; %一定为边缘 elseif (edge(i,j)<=lthres) edge(i,j)=0; %一定为非边缘 end end end %候选边缘，与已确定边缘相连才认为是边缘 for i=2:sizex-1 for j=2:sizey-1 if (edge(i,j)>0&&edge(i,j)<255) real_edge=0;%边缘真假标志 checked=zeros(sizex,sizey);%标记已经扫描过的弱点 weak=zeros(100,2);%存储需要查看八领域的弱点 connect=zeros(100,2);%存储一条联通的所有弱点 weak_length=1; connect_length=1; %压入第一个弱边缘点 weak(weak_length,:)=[i,j]; connect(connect_length,:)=[i,j]; checked(i,j)=1; while(weak_length>0) new_weak=zeros(100,2); new_weak_length=0; for k=1:weak_length %搜索当前弱点的八领域 x=weak(k,1);y=weak(k,2); if (x>=2&&x<=sizex-1&&y>=2&&y<=sizey-1) for m=x-1:x+1 for n=y-1:y+1 if edge(m,n)>0&&edge(m,n)<255&&checked(m,n)==0%领域有弱点且未被扫描过 new_weak_length=new_weak_length+1; connect_length=connect_length+1; new_weak(weak_length,:)=[m,n];%压入新弱点集合 connect(connect_length,:)=[m,n]; %压入连通域 checked(m,n)=1; %标记已扫描 elseif edge(m,n)==255 real_edge=1; %边缘为真，等待连通域全部被识别 end end end end end weak_length=new_weak_length;%当前深度的弱点集合全部检查过八领域，开始检查新一深度的弱点集合 weak=new_weak;%如果新集合没有弱点，则跳出while end %一个连通域已在connect里形成 for z=1:connect_length edge(connect(z,1),connect(z,2))=uint8((255* real_edge)); end end end end end
来源：博客园
作者：KenSporger
链接：https://www.cnblogs.com/kensporger/p/11628661.html