原理
Canny 边缘检测是一个很流行的边缘检测算法。由John F.Canny在1986年开发。这是一个多步骤的算法。
1.降噪
由于边缘检测易受图片的噪点影响，所以第一步我们用一个5x5的高斯滤波器去除图片上的噪点。这个在之前的章节已经见过了。
2.找到图片中的亮度梯度
然后用索贝尔核在水平和垂直方向过滤第一步被平滑过的图片，这会得到水平方向一阶导数Gx和垂直方向一阶导数Gy。从这两个图像我们可以找到边缘梯度和每个像素的方向。
梯度方向始终和边缘垂直。
3.非最大值抑制
在得到了梯度幅值和方向之后，对图像做一次全扫描去除掉不构成边的不想要的像素。对每一个像素，检查它是否在周围的点里在梯度方向是局部极大值。
点A在边上(在竖直方向)，梯度方向垂直于边。点B和点C在梯度方向，所以点A和点B点C一起被检查看是否构成了局部极大值。如果是，就进入下一阶段，如果不是，就会被抑制(设置为0)。
简单来说，你得到的图像是一个“瘦边”的图像。
4.滞后阈值
这一步决定哪些边是真边缘哪些不是。为此，我们需要两个阈值，minVal和maxVal。任何强度梯度比maxVal 大的肯定是边，比minVal小的肯定不是边，所以会被丢弃。那些在这两个阈值范围内的是边或者根据连通性分类为非边。如果他们和“确定为边”的像素联通，他们就会被认为是边的一部分，否则也会被丢弃。见下图：
边A比maxVal 大，所以是“确定为边”，虽然边C比maxVal小，但是它和A相连，所以也被认为是有效的边，这样我们就得到了整个曲线，但对于边B，虽然它比minVal大，而且和C在同一区域，但是它没有和任何“确定为边”的边相连，会被丢弃。所以我们选择相应的minVal和MaxVal来得到正确的结果就很重要。
在这一步里还会去掉一些噪点，因为我们假设所有的边都是长线。
我们最后得到的就是图像里最突出的边界。
OpenCV里的Canny边缘检测
OpenCV把所有这些放在一个函数里，cv2.Canny()。我们来看看怎么用它，第一个参数是输入图片，第二个和第三个参数是我们的minVal 和maxVal。aperture_size参数是索贝尔核的大小，用来找图片的梯度。默认是3，最后一个参数是L2gradient，用来指定寻找梯度幅值的公式。如果为True，会使用上面提到的更准确的公式，否则会用下面这个函数，默认情况下为False:
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('messi5.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()结果如下：
