Canny 算法是图像处理领域中一种经典的边缘检测方法，由 John F. Canny 在 1986 年提出。Canny 算法以其高效、可靠的边缘检测效果在图像处理和计算机视觉领域广泛应用。它具有良好的噪声抑制能力、精确的边缘定位能力以及单像素宽度的边缘输出特性。

Canny 边缘检测算法的主要步骤包括：

1. 高斯滤波（Gaussian Smoothing）

• 目的：降低图像中的噪声，避免噪声干扰边缘检测结果。
• 方法：将原始图像与一个高斯滤波器进行卷积，得到平滑后的图像。高斯滤波器的大小和标准差 σ\sigmaσ 决定了平滑的程度。

其中，G(x,y,σ) 是高斯核函数，σ是标准差。

2. 计算图像梯度（Gradient Calculation）

• 目的：检测图像中灰度值变化剧烈的区域，即潜在的边缘位置。
• 方法：使用 Sobel 算子（或其他类似算子）计算图像在 xxx 和 yyy 方向的梯度：

• 梯度幅值与方向：通过计算梯度幅值 GGG 和梯度方向 θ\thetaθ，来确定边缘的强度和方向：

3. 非极大值抑制（Non-Maximum Suppression）

• 目的：细化边缘，使边缘只有一个像素宽。
• 方法：在梯度方向上检查每个像素的梯度值，如果该像素的梯度值不是其梯度方向上邻域中的最大值，则将其抑制为 0，即非边缘。具体而言，对于一个像素点，若其梯度方向在水平方向，则将其与水平方向的两个邻居比较，若其梯度值较小则抑制为 0。

4. 双阈值检测（Double Thresholding）

• 目的：区分强边缘、弱边缘和非边缘点。
• 方法：设定高、低两个阈值 ​ 和 ：
  • 强边缘：梯度幅值高于 ​ 的像素点被标记为强边缘。
  • 弱边缘：梯度幅值在 ​ 和 之间的像素点被标记为弱边缘。
  • 非边缘：梯度幅值低于 的像素点被抑制为非边缘。

5. 边缘连接（Edge Tracking by Hysteresis）

• 目的：通过连接弱边缘点来保留那些真正的边缘，并消除噪声引起的伪边缘。
• 方法：从强边缘点开始，将与其相连的弱边缘点保留为真正的边缘，其余弱边缘点被抑制。

总结

Canny 算法通过高斯平滑、梯度计算、非极大值抑制、双阈值检测和边缘连接五个步骤，实现了精确、鲁棒的边缘检测。其核心思想是通过平滑降低噪声影响，利用梯度方向信息实现边缘细化，并通过双阈值和边缘连接保留重要的边缘特征。