参考链接,原作者写的非常棒
opencv官方文档解释

Canny边缘检测算法可以分为以下5个步骤：

1. 使用高斯滤波器，以平滑图像，滤除噪声。
2. 计算图像中每个像素点的梯度强度和方向。
3. 应用非极大值（Non-Maximum Suppression）抑制，以消除边缘检测带来的杂散响应。
4. 应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。
5. 通过抑制孤立的弱边缘最终完成边缘检测。
   前两步骤这里不详细说明，从步骤三开始解释。

步骤三：应用非极大值（Non-Maximum Suppression）抑制，以消除边缘检测带来的杂散响应。

原理：每一个像素点都有梯度方向和幅值。而边缘点在梯度方向上的梯度值是局部极大值。找到梯度方向离该点最近的两个点，如果该点的梯度幅值比这两个点的梯度幅值都要大，那么判断它是边缘点，否则让它等于0。具体计算方法见参考链接。

步骤四：应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。

原理：经过非极大值抑制以后，设定两个高低阈值。接着进行如下判断：

1. 大于高阈值的点被判定为边缘点。
2. 小于低阈值的点被判定为非边缘点。
3. 对于在两者之间的点，判断它是弱边缘点。

步骤五：通过抑制孤立的弱边缘最终完成边缘检测。

找到第四步骤提到的弱边缘点的八邻域区域像素，只要有一个是强边缘点，那么它也判断为边缘点。否则就是非边缘点。

python中使用opencv库的canny算子对图像进行边缘检测：

import cv2
from matplotlib import pyplot as plt
img=cv2.imread('t8.jpg')
edges = cv2.Canny(img,100,200)
plt.subplot(121),plt.imshow(img,cmap = 'gray')
plt.subplot(122),plt.imshow(edges,cmap = 'gray')
plt.show()