John Canny于1986年提出Canny算子，它與Marr（LoG）邊緣檢測(cè)方法類似，也屬于是先平滑后求導(dǎo)數(shù)的方法。

John Canny研究了最優(yōu)邊緣檢測(cè)方法所需的特性，給出了評(píng)價(jià)邊緣檢測(cè)性能優(yōu)劣的三個(gè)指標(biāo)：

l             好的信噪比，即將非邊緣點(diǎn)判定為邊緣點(diǎn)的概率要低，將邊緣點(diǎn)判為非邊緣點(diǎn)的概率要低；

l             高的定位性能，即檢測(cè)出的邊緣點(diǎn)要盡可能在實(shí)際邊緣的中心；

l             對(duì)單一邊緣僅有唯一響應(yīng)，即單個(gè)邊緣產(chǎn)生多個(gè)響應(yīng)的概率要低，并且虛假響應(yīng)邊緣應(yīng)該得到最大抑制。

用一句話說，就是希望在提高對(duì)景物邊緣的敏感性的同時(shí)，可以抑制噪聲的方法才是好的邊緣提取方法。

Canny算子求邊緣點(diǎn)具體算法步驟如下：

1. 用高斯濾波器平滑圖像．

2. 用一階偏導(dǎo)有限差分計(jì)算梯度幅值和方向.

3. 對(duì)梯度幅值進(jìn)行非極大值抑制 ．

4. 用雙閾值算法檢測(cè)和連接邊緣．

步1. 圖像與高斯平滑濾波器卷積:

步3. 對(duì)梯度幅值進(jìn)行非極大值抑制(non_maxima suppression，NMS):

僅僅得到全局的梯度并不足以確定邊緣，因此為確定邊緣，必須保留局部梯度最大的點(diǎn)，而抑制非極大值。

解決方法：利用梯度的方向:

步4. 用雙閾值算法檢測(cè)和連接邊緣:

對(duì)非極大值抑制圖像作用兩個(gè)閾值th1和th2，兩者關(guān)系th1=0.4th2。我們把梯度值小于th1的像素的灰度值設(shè)為0，得到圖像1。然后把梯度值小于th2的像素的灰度值設(shè)為0，得到圖像2。由于圖像2的閾值較高，去除大部分噪音，但同時(shí)也損失了有用的邊緣信息。而圖像1的閾值較低，保留了較多的信息，我們可以以圖像2為基礎(chǔ)，以圖像1為補(bǔ)充來連結(jié)圖像的邊緣。

鏈接邊緣的具體步驟如下：

對(duì)圖像2進(jìn)行掃描，當(dāng)遇到一個(gè)非零灰度的像素p(x,y)時(shí)，跟蹤以p(x,y)為開始點(diǎn)的輪廓線，直到輪廓線的終點(diǎn)q(x,y)。

考察圖像1中與圖像2中q(x,y)點(diǎn)位置對(duì)應(yīng)的點(diǎn)s(x,y)的8鄰近區(qū)域。如果在s(x,y)點(diǎn)的8鄰近區(qū)域中有非零像素s(x,y)存在，則將其包括到圖像2中，作為r(x,y)點(diǎn)。從r(x,y)開始，重復(fù)第一步，直到我們?cè)趫D像1和圖像2中都無法繼續(xù)為止。

當(dāng)完成對(duì)包含p(x,y)的輪廓線的連結(jié)之后，將這條輪廓線標(biāo)記為已經(jīng)訪問?；氐降谝徊剑瑢ふ蚁乱粭l輪廓線。重復(fù)第一步、第二步、第三步，直到圖像2中找不到新輪廓線為止。

至此，完成canny算子的邊緣檢測(cè)。