1.Canny边缘检测的基本原理
)1)图像边缘检测必须满足两个条件。 一是能有效抑制噪声； 2必须尽可能准确地确定边缘的位置。
)通过测度信噪比和定位积，得到最优化近似算子。 这就是Canny边缘检测算子。
(3) Marr ) log )边缘检测方法同样，属于平滑后求导数的方法。
2.Canny边缘检测算法：
用于step1:的jsdbbt过滤器平滑图象
step2:采用一阶偏导的有限差分实现梯度的幅值和方向；
step3:梯度振幅非极大值抑制；
用于step4:的双阈值算法检测和连接边缘
step1:jsdbbt平滑函数
(请在维基百科上理解卷积函数的定义。 如下图所示，移动的红色窗口表示我们的jsdbbt和函数，蓝色是图像灰度函数)
用jsdbbt函数生成k*k的模板例如为3*3
使用此模板对每个像素进行加权平均
Step2:一阶微分卷积模板
step3:对梯度幅值进行非极大值抑制
仅获得全局梯度还不足以确定边缘，因此为了确定边缘，http://www.Sina.com/(non-maxima suppression，NMS )
解决方法：利用坡度方向。
图1非极大值抑制
四个扇区的标签为0到3，支持3*3附近的四种可能的组合。 在每一点，将附近的中心像素m与沿着梯度线的两个像素进行比较。 如果m的梯度值不大于沿着梯度线的两个相邻像素的梯度值，则M=0。
也就是说：
Step4: 必须保留局部梯度最大的点，而抑制非极大值
两个阈值th1和th2作用于极大值以外的抑制图像，两者的关系为th1=0.4th2。 将梯度值小于th1的像素的灰度值设为0，得到图像1。 然后，将梯度值小于th2的像素的灰度值设为0，得到图像2。 由于图像2的阈值高，去除了大部分的噪声，但同时也丢失了有用的边缘信息。 另一方面，因为图像1的阈值低，留有很多信息，所以能够根据图像2补充图像1并连结图像的边缘。
链接边缘的具体步骤如下。
扫描图像2，在遇到非零灰度的像素p[x，y]时，追踪以p[x，y]为起点的轮廓线，直到轮廓线的终点q[x，y]。
考察与图像1中图像2中的q(x，y )点的位置对应的点s ) x、y )的8个附近区域。 在s(x，y )点的8个附近区域存在非零的像素s ) x，y )的情况下，作为r ) x，y )点包含在图像2中。 从r(x，y )重复第一步，直到在图像1和图像2中都不能继续。
包含p(x，y )的轮廓线的链接完成后，将该轮廓线标记为已访问。 返回第一步，寻找下一条轮廓线。 重复步骤1、步骤2和步骤3，直到在图像2中找不到新轮廓线。
3.canny算法程序的实现
Canny算法程序将上述四个步骤进一步细分，分为以下七个步骤。
生成jsdbbt滤波器系数；
使用生成的jsdbbt滤波器系数对原图像进行平滑；
求l滤波后图像的梯度
l进行非最大抑制
统计l图像的直方图，判定阈值；
使用l函数查找边界的起点
基于步骤6的结果，从一个像素点开始搜索，使用像素点作为边界的起点搜索边界上的一个边界的所有边界点；
参考：
3358 blog.csdn.net/like zhaobin/article/details/6835049
3358 blog.csdn.net/like zhaobin/article/details/6892176
3358 blog.csdn.net/like zhaobin/article/details/6892629
3358 www.cn blogs.com/cfantaisie/archive/2011/06/05/2073168.html