前几天写了一篇canny边缘检测算法，比较偏算法公式和实现，具体为什么这样做和原理没有讲清楚，想在这一篇中讲一下，让研究canny算法的人不仅知道算法公式和实现，同时也能明白为什么这样做。

主要参考下面一个博客文章

https://www.cnblogs.com/xiximayou/p/13139426.html

这篇链接中，对于canny中每一步实现的目的给出了详细说明，比较通俗易懂。比如讲非极大值抑制，目的就是判断是否为局部最大值，如果不是，就可以排除不能够构成边缘的所有不需要的像素。目的，你得到的结果是带有“细边”的二进制图像，并给出了图示解释怎么获取到细边j。对于磁滞阈值法，同样给出图片讲解，目的是保存连接强边界的弱边界点，去除不连接强边界的弱边界点，同样也给出图片解释，比较容易通俗易懂。

1、非极大值抑制的目的：
在获得梯度大小和方向后，将对图像进行全面扫描，以去除可能不构成边缘的所有不需要的像素。为此，在每个像素处，检查像素是否是其在梯度方向上附近的局部最大值。查看下面的图片：

 

 

2、磁滞阈值法

该阶段确定哪些边缘全部是真正的边缘，哪些不是。为此，我们需要两个阈值minVal和maxVal。强度梯度大于maxVal的任何边缘必定是边缘，而小于minVal的那些边缘必定是非边缘，因此将其丢弃。介于这两个阈值之间的对象根据其连通性被分类为边缘或非边缘。如果将它们连接到“边缘”像素，则将它们视为边缘的一部分。否则，它们也将被丢弃，见下图：

 

  边缘A在maxVal之上，因此被视为“确定边缘”。尽管边C低于maxVal，但它连接到边A，因此也被视为有效边，我们得到了完整的曲线。但是边缘B尽管在minVal之上并且与边缘C处于同一区域，但是它没有连接到任何“确保边缘”，因此被丢弃。因此，非常重要的一点是我们必须相应地选择minVal和maxVal以获得正确的结果。

3、图片举例

 

3.1、非极大值抑制之前的边界信息图：

 

 3..2、非极大值抑制处理，并且大于high阈值的强边界的图片：

 

 3.3 基于非极大值抑制后的强边界基础上，进行磁滞阈值处理结果：

 

 

 

从上面三个图片可以看出确实将边界细化，同时凸显出强边界，最后一张加上部分弱边界点，将断断续续强边界连接起来了。广大网友如果看懂了canny算法的原理，就可以看上一篇的算法公式和边界方向量化手段，可以进行程序撰写。如果需要相关这方面的程序，可以给我发消息，我也可以提供。有opencv的mat数据结构实现的canny算法，也有直接用二维数组实现的canny算法。还有直接调用opencv的canny函数。