Canny边缘检测
二维正太分布/二维高斯分布
中间峰值的地方对应的是（0,0）的位置，每个像素的值都和周围的像素值有关。在进行边缘检测之前，先用高斯核去一下噪声。
Sobel算子可以看做是对像素求差值，相当于导数的作用，对于要求的中间像素来说，直接接触的上下位置权重为正负2，对像素值影响大一些，其他位置的影响小一些。Gx相当于是纵向偏导数，Gy相当于横向偏导数。找边的本质是寻找导数的幅值，谁的导数的幅值大就更有可能是边。
Edge_Gradient(G)为梯度的幅值，而Angle(θ)可以表示梯度的方向，因为我们希望准确的找到边缘的像素点，即在这个梯度方向这个像素点变化率是最大的（极大值的位置才是准确的边缘位置）
非极大值抑制，与梯度方向垂直的方向是要求的边缘像素。判断C点是否是最后所需要的像素，而g1,g2,g3,g4是图像上与C相邻的像素点的值，θ则是梯度的方向，中间的蓝色线未C点的梯度方向示意图，将C点的梯度幅值与两个交点处的梯度的幅值进行比较，判断C处是否是极大值，如果是则则认为C点就是要求的边界像素点应该保留下来，否则对该点进行执黑处理。但是交点处并不是像素所在的位置，因此需要对其进行线性插值，即根据g1和g2的像素值和θ确定出的交点到g1,g2的比例关系，认为像素是线性变化的，从而求出交点处的像素值。这个判断C点是否是极大值的过程叫做非极大值抑制，
双阈值minVal是低阈值，maxVal是高阈值，一般来说，minval取50，maxVal取3倍的minVal.先通过这两个阈值进行筛选，即梯度幅值高于高阈值的则认为一定是边，梯度幅值小于低阈值的则认为一定不是边。中间的部分需要继续判断：如果其八邻域内存在一个确定是边的点，那么则认为该点也属于边，进行点与点之间的连接，以此循环，直到再也没有确定为边的点，说明所有的边已经被连接好了。（可以用栈来完成，遍历所有肯定是边的点，观察其八邻域内是否存在一个有可能是边的点——灰度值在高低阈值之间的点。如果一个点有可能是边，并且处于一个确定是边的点的八邻域内，则把这个可能是边的点也标记成边并压入栈里面，然后出栈，看弹出栈的点的八邻域内是否有确定点，直到栈空了为止）
