目录
三、对梯度幅值进行 non-maximu depression
一、用Gaussian filter 平滑图像
RGB-> GRAY
边缘检测是基于对图像灰度差异运算实现的，所以如果输入的是RGB彩色图像，需要先进行灰度图的转换。
Gray = R*0.299 + G*0.587 + B*0.114
注意一般情况下opencv中彩色图像各分量的排列顺序是B、G、R。
1-D gaussian
2-D gaussian
计算gaussian 后还有一个归一化的过程。
二、用Sobel计算amplitude & angle
对于待检测边缘的图像I，分别在水平（X）方向和垂直方向（Y）方向求导，方法是分别图像I与卷积核Gx和Gy进行卷积，公式表述如下：
之后对求得的水平和垂直方向的梯度图像上的每一点执行：
或更为简单粗暴的：
G即为Sobel求得的梯度图像。
角度计算如下。
三、对梯度幅值进行 non-maximu depression
非极大值抑制则可以帮助将局部最大值之外的所有梯度值抑制为0，对梯度图像中每个像素进行非极大值抑制的算法是：
1) 将当前像素的梯度强度与沿正负梯度方向上的两个像素进行比较。
2) 如果当前像素的梯度强度与另外两个像素相比最大，则该像素点保留为边缘点， 否则该像素点将被抑制。
四、用双阈值算法检测和连接边缘
指定一个低阈值A，一个高阈值B，一般取B为图像整体灰度级分布的70%，且B为1.5到2倍大小的A；
灰度值大于B的，置为255，灰度值小于A的，置为0；
灰度值介于A和B之间的，考察改像素点临近的8像素是否有灰度值为255的，若没有255的，表示这是一个孤立的局部极大值点，予以排除，置为0；若有255的，表示这是一个跟其他边缘有“接壤”的可造之材，置为255，之后重复执行该步骤，直到考察完之后一个像素点。
五 、canny的c++实现
传送门：https://download.csdn.net/download/bluenapa/11831251
转载：https://blog.csdn.net/Bluenapa/article/details/101852645