1.1Canny算法简介
Canny 边缘检测算子是 JohnF. Canny 在 1986 年提出的一个多级边缘检测算子。Canny算法与简单的基于拉普拉斯算法的不同点之一是在Canny算法中，首先在x和y方向求一阶导数，然后组合为4个方向的导数。这些方向导数达到局部最大值的点就是组成边缘的候选点。
然而，Canny算法最重要的一个新特点是其试图将独立边的候选像素拼装成轮廓。轮廓的形成是对这些像素运用滞后性阈值。这意味着有两个阈值，上限和下限。如果一个像素的梯度大于上限阈值，则被认为是边缘像素，如果低于下限阈值，则被抛弃，如果介于二者之间，只有当其与高于上限阈值的像素连接时才会被接受。
Canny推荐的上下限阈值为2：1到3：1之间。
1.2Canny流程
Canny 提出了三个严格的边缘检测标准：1）最优检测标准，即对边缘点和非边缘点具有较高的区分概率；2）最优定位准则，即判定的边缘点的位置应尽可能靠近真实边缘的中心位置；3）单边响应准则，即对于每个检测出的边缘点，应当仅有一个响应，最大可能地抑制伪边缘的出现。Canny 算子对数字图像进行边缘检测主要分为四步进行：1）对图像进行二维高斯滤波；2）通过一阶微分计算图像的灰度梯度幅值和方向；3）对计算出的梯度幅值进行非极大值抑制（Non-MaximaSuppression, NMS）；4）通过人为设定的高低阈值确定图像的边缘。
（1）二维高斯滤波
（2）计算图像灰度的梯度幅值和方向
（3）对图像的梯度幅值进行非极大值抑制
图像中，梯度值较大的点不一定就是图像中的边缘点，为了进一步的剔除这些点对边缘检测的影响，细化图像中的屋脊带，更准确地定位图像中的边缘点，需要对一阶微分计算后的图像数据进行非极大值抑制，只保留幅值局部变化最大的点。非极大值抑制在像素的 3×3 邻域上，沿梯度方向进行梯度幅值的插值，并将中心像素的梯度值与沿梯度方向相邻的 2 个梯度幅值的插值结果进行比较，若像素点本身的梯度幅值H[i,j]比梯度方向上的 2 个插值小，则将H[i,j]对应的边缘标志位赋值为 0，反之，则认为该像素为初选边缘点，H[i,j]的值保持不变。通过非极大值抑制，可以把图像梯度幅值矩阵H[i,j]中的宽屋脊带细化到一个像素宽，并且保留了屋脊的梯度幅值。
（4）双阈值确定图像边缘
假设图像梯度幅值矩阵H[i,j]经非极大值抑制后的图像为Q[i,j]，此时Q[i,j]中仍可能含有由于噪声和纹理存在的原因而检测到的假边缘。不同于前面所述的经典微分算子，Canny算子采用双阈值算法对图像做进一步处理，消除假边缘。假定设定的高低阈值分别为th和tl，通常情况下tl=0.5*th，那么，在图像边缘阵列 Q[i,j]中，梯度值大于th的点被标记为边缘点，梯度值小于tl的点则被视为非边缘点。对于梯度值介于th与tl之间的像素点，若其8邻域中存在已经被标记的边缘点，则该点也标记为边缘点，否则标记为非边缘点。
1.3Canny算子格式
采用 Canny 算法做边缘检测
void cvCanny( const CvArr* image, CvArr*edges, double threshold1, double threshold2, int aperture_size=3 );
image
单通道输入图像.
edges
单通道存储边缘的输出图像
threshold1
第一个阈值
threshold2
第二个阈值
aperture_size
Sobel 算子内核大小 (见 cvSobel).
函数 cvCanny 采用 CANNY 算法发现输入图像的边缘而且在输出图像中标识这些边缘。threshold1和threshold2 当中的小阈值用来控制边缘连接，大的阈值用来控制强边缘的初始分割。
注意事项：因此cvLoadImage的第二给参数表示是否加载有颜色的图像，因设为0，表示单通道图像，故src = cvLoadImage(argv[1], 0 )；
否则会出现编译错误，会提示canny.cpp不合法。
1.4范例
#include <highgui.h>
#include <cv.h>
#include <cxcore.h> //人脸识别的一个库文件
//Canny:Implements Canny algorithm for edgedetection.
int main( int argc, char** argv )
{
IplImage*src = NULL;
IplImage*dst = NULL;
//载入图像，转换为灰度图
src= cvLoadImage( argv[1], 0 );
//为canny边缘图像申请空间，1表示单通道灰度图
dst= cvCreateImage( cvGetSize( src ), IPL_DEPTH_8U, 1 );
cvCanny(src, dst, 50, 150, 3 );//边缘检测
cvNamedWindow("src", 1 );
cvNamedWindow("canny", 1 );
cvShowImage("src", src );
cvShowImage("canny", dst );
cvWaitKey(0);
cvReleaseImage(&src );
cvReleaseImage(&dst );
cvDestroyAllWindows();
return0;
}