边缘检测是图像处理的重要基础算法。它是许多高阶的图像算法（例如轮廓检测，目标检测）的基础。Canny边缘检测算法是OpenCV中使用的边缘检测算法，由John F. Canny在1986年提出。由于它出色的检测和容错能力，至今一直被广泛使用。Canny边缘检测具有以下特点：
- 较低的错误率 - 只有真实存在的边缘才会被检测到。
- 较好的边缘定位 - 检测出来的结果和图像中真实的边缘在距离上的误差很小。
- 没有重复的检测 - 对于每一条边缘，只会返回一个与之对应的结果。
那么Canny边缘检测为什么会有出色的性能？这和它的实现有着很大关系，Canny边缘检测主要分为以下几个步骤：
1.图像去噪（高斯滤波）
因为边缘检测容易受到图像中的噪点影响，所以在边缘检测之前通常需要对图像进行降噪处理。这里我们使用高斯滤波进行降噪。关于高斯滤波可以参考这里。
2.计算图像梯度
如何确定图像的边缘？图像的边缘像素的灰度值通常会有剧烈变化。而梯度可以用来衡量灰度值变化的大小和方向。图像在x, y方向的梯度值可以通过点乘下面的Sobel算子得到：
在得到x, y方向的梯度值以后，通过以下公式计算出方向梯度值：
注意梯度值是一个矢量，因此计算结果包含值和方向两个变量。注意这里的梯度方向并不是边缘的方向，而是和边缘的方向垂直。
3.非最大值抑制
高斯滤波在降噪的同时，边缘也有可能被放大。引入非最大值抑制就是为了解决这个问题，使得检测出的边缘更细(窄)。 即：如果一个像素点属于边缘，那么这个像素点在梯度方向上的梯度值是必须是最大的。
如下图所示，A是在图像的边缘上的点，计算出的梯度方向垂直于边缘。B和C在梯度方向上，这时我们比较A和B,C的灰度值，如果A比B和C都大，则选取A作为结果。如果A比B或者C小，则将A的值设为0。
4.双重阈值检测
为了确定最终的边缘，我们需要设定一个阈值来挑选出足够“像”边缘的点，即它的梯度值要足够大。但如果设定单一阈值，最终的检测精度就非常依赖于阈值设定，过大或者过小的阈值都会让结果偏离预期。而Canny边缘检测算法设置两个阀值，分别为maxVal和minVal。其中大于maxVal的都被检测为边缘，而低于minval的都被检测为非边缘。对于中间的像素点，如果与确定为边缘的像素点邻接，则判定为边缘；否则为非边缘。这样有效地提高了检测精度。
在OpenCV中使用Canny边缘检测
OpenCV中提供了Canny边缘检测的实现。我们直接调用Canny()函数即可
Mat image = imread("../car.JPG");
Mat edges;
//100, 200分别指定了上文提到的minVal，maxVal双重阈值
Canny(image, edges, 100, 200);
imshow("Original", image);
imshow("Edge", edges);
