Canny边缘检测是一种流行的边缘检测算法，由John F. Canny在1986年开发。它是一种多阶段过程，包括噪声滤波、计算图像强度的梯度、非最大值抑制以及双阈值检测。本文通过函数原型解读和示例对cv::Canny()函数进行详解，以帮助大家理解和使用。

原理

Canny边缘检测的步骤如下：

（1）高斯滤波（噪声滤波）：使用高斯滤波器平滑图像以减少噪声。高斯滤波器是一种线性滤波器，可以消除图像中的高频噪声。
（2）计算梯度强度和方向：计算图像中每个像素的梯度强度和方向。梯度强度表示像素点处的边缘强度，而梯度方向表示边缘的方向。
（3）非最大值抑制：在计算梯度强度和方向后，非最大值抑制将抑制那些不是局部最大值的像素点。这意味着只有局部最大值的像素点才会被保留下来。
（4）双阈值检测：最后，双阈值检测用于检测边缘。这需要两个阈值，通常称为低阈值和高阈值。如果像素的梯度强度大于高阈值，则该像素被视为边缘；如果像素的梯度强度在两个阈值之间，则该像素被视为边缘候选；如果像素的梯度强度低于低阈值，则该像素被视为非边缘。

函数介绍

void cv::Canny(InputArray image, OutputArray edges, double lowThreshold, double highThreshold, int apertureSize = 3);

参数解释：

image：输入图像，应该是灰度图像。
edges：输出图像，即检测到的边缘图像。
lowThreshold：低阈值，用于双阈值检测。
highThreshold：高阈值，用于双阈值检测。
apertureSize：指定Sobel算子的大小，默认为3。

运行示例

设置阈值分别为50和150。
代码如下：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main() {
    Mat image = imread("ceshi.jpg", IMREAD_COLOR); // 读取输入图像
    if (image.empty()) {
        cout << "Failed to read image." << endl;
        return -1;
    }
    Mat gray_image; cvtColor(image, gray_image, COLOR_BGR2GRAY); // 转换为灰度图像
    Mat edges_image;

    // 应用Canny边缘检测算法
    Canny(gray_image, edges_image, 50, 150);

    // 显示结果图像
    imshow("Input", image);
    imshow("Edges", edges_image);
    imwrite("cnany.jpg", edges_image);
    waitKey(0);
    return 0;
}

在上面的示例中，我们首先读取输入图像并将其转换为灰度图像。然后，我们使用Canny函数应用Canny边缘检测算法，并指定两个阈值（低阈值和高阈值）。最后，我们显示原始图像和检测到的边缘图像。图像对比如下所示。

上面为原图，下面为边缘检测效果图。

小结

选择使用Canny函数进行边缘计算时，应根据项目需求和场景，设置合适的低阈值和高阈值参数，以获得最佳的边缘检测结果。较低的阈值可能会导致更多的边缘被检测到，而较高的阈值可能会导致较少的边缘被检测到。因此，选择适当的阈值是使用Canny边缘检测函数的关键之一。