一、概念
Canny算子是一种非常重要的边缘检测算子，是一种最优的阶跃型边缘检测算子。 其最优性主要表现在以下三个方面；
好的检测： Canny算子可以尽可能多地识别原始图像中的实际边缘。
良好对齐：标记的边缘尽可能接近实际图像的实际边缘。
最小响应：图像中的边缘只能识别一次，可能存在的图像噪声不能识别为边缘。
二、Canny算子的具体实现步骤如下：
去噪：任何边缘检测算法在未经处理的原图像上处理不好，首先对原图像数据和二维高斯滤波模板进行卷积运算，得到的图像与原图像相比有轻微的模糊，从而可以去除噪声
梯度计算可以使用Prewitt算子和Sobel算子等导数算子来找到沿着图像灰度两个方向的导数g、g，分别求出梯度的幅度和方向：
梯度方向确定：求边缘方向，可将边缘梯度方向大致分为若干角度，如0、45、90、135，可找到该像素梯度方向的相邻像素。
扫描图像：如果某个像素的灰度值与其梯度方向的前后2个像素的灰度值相比不最大，则该像素的灰度值为0，即不是边缘。
利用累积直方图计算两个阈值。 大原稿的阈值一定是边缘。 (小于低阈值的一定不是边缘。 如果检测结果在2个阈值之间，则判断该像素的打印像素中是否有超过高阈值的边缘像素，在有的情况下判断为边缘； 否则就不是边缘了。
三、MATLAB代码实现
%去噪清除全部； clc； image=imread(Lena.jpg )； image=RGB2gray(image； subplot(221； imshow(image )； title (原始图像)； image=双精度(image )/256； [m，n]=size(image )； w=fspecial(Gaussian )； image_1=imfilter(image，w，' replicate ' )； subplot(222； imshow(int8) 256*image_1)； title ('高斯滤波后的图像)； %坡度计算op=fspecial(Sobel ) )/4； 用Sobel算子求导数x=op '； y=op； bx=imfilter(image_1，x，'复制' )； by=imfilter(image_1，y，'复制' )； b_ABS=sqrt(bx.*bxby.*by )； 求出%梯度的振幅的b_angle=angle(by-I*bx )； b_ang=b_angle/3.1416*180； 求%梯度的方向%梯度方向确定forr=1: m forc=1: nif (b _ ang (r，c )=22.5 b_ang(r，c ) 67.5 )|(b _ ang )，c=c )=-112.5 b_ang(r )、r，c )-67.5 ) ) ) ELSEif () b_ang(r，c )=112.5 b_ang(r，c ) 157.5 ) | elsedir(r，c )=0； 结束%扫描图像b _ ab=[ Zeros，1 )、b_abs，zeros (m，1 ) ] %串联矩阵b_ab=[Zeros(1，n 2 )； b_ab； zeros(1，n 2 )； forrr=23360 m1 forc=2: n1交换机dir (r-1，c-1 ) case0if(b_ab ) r，c (b _ ab ) r1，c ) (|b_ab ) ) r，r endcase1if(b_ab(r，c ) b_ab ) r1，c-1 )|(b _ ab ) r，c _ ab (r-1，c 1) ) ) B1 ) r-1，c endcase2if(b_ab(r，c )=b_ab(r，c-1 ) )=b_ab(r，c ) b (r，c 1) ) ) B1 ) r-1，c-1 )=endcase3if(b_ab(r，c ) b_ab ) r-1，c-1 )|b _ ab (r，c _ ab ) r1，c 1) ) B1 ) r-1，c-1 endendendforr=1: m forc=1: nif (B1 (r，c ) 0.24 ) B2 ) r，c )=1； ELSEB2(r，c )=0； endendendforr=1: m forc=1: nif (B1 (r，c ) 0.36 ) B3 ) r，c )=1； ELSEB3(r，c )=0； 结束结束image _2=B3； fork=1:10 forr=2: m-1 forc=2: n-1if (B2 (r，c )=1(image_2(R，c )==1|image_2) R1，c 1 endendendsubplot (223； imshow(image_2； title(canny算子检测后的图像)；四、实验结果如下