Canny边缘检测
1.原理
1.1噪音去除
由于边缘检测很容易受到噪音影响，所以第一步是使用5x5的高斯滤波器去除噪音。
1.2计算图像梯度
对平滑后的图像使用Sobel算子计算水平方向和竖直方向的一阶导数（图像梯度）（Gx和Gy）。根据得到的这两幅梯度图找到边界的梯度和方向。公式如下：
梯度的方向一般总是与边界垂直。梯度方向被归为四类：垂直，水平，和两条对角线。
1.3非极大值抑制
在获得梯度的方向和大小之后，应该对整幅图想做一个扫描，出去那些非边界上的点。对每一个像素进行检查，看这个点的梯度是不是周围具有相同梯度方向的点中最大的。
现在你得到的是一个包含“窄边界”的二值图像。
1.4滞后阀值
现在要确定那些边界才是真正的边界，需要设置两个阀值：minVal和maxVal。当图像的灰度梯度高于maxVal时被认为是真的边界，那些低于minVal的边界会被抛弃。如果介于两者之间的话，就要看这个点是否与某个被确定为真正边界点相连，如果是，就认为它也是边界点，如果不是就抛弃。
2.OpenCV中的Canny边界检测
cv2.Canny（）第一个参数是输入图像，第二和第三个分别是minVal和maxVal。第三个参数设置用来计算图像梯度的Sobel卷积核的大小，默认值为3。最后一个参数是L2gradient，它可以用来设定求梯度大小的方程。如果设为True，就睡使用我们上面提到过的方程，否则使用方程：
代替，默认值为False。
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('1024.jpg',0)
edges = cv2.Canny(img,100,200)
plt.subplot(121),plt.imshow(img,cmap='gray')
plt.title('original'),plt.xticks([]),plt.yticks([])
plt.subplot(122),plt.imshow(edges,cmap='gray')
plt.title('edge'),plt.xticks([]),plt.yticks([])
plt.show()
