圖像邊緣信息主要集中在高頻段，通常說圖像銳化或檢測邊緣，實質就是高頻濾波。我們知道微分運算是求信號的變化率，具有加強高頻分量的作用。在空域運算中來說，對圖像的銳化就是計算微分。由于數(shù)字圖像的離散信號，微分運算就變成計算差分或梯度。圖像處理中有多種邊緣檢測（梯度）算子，常用的包括普通一階差分，Robert算子（交叉差分），Sobel算子等等，是基于尋找梯度強度。拉普拉斯算子（二階差分）是基于過零點檢測。通過計算梯度，設置閥值，得到邊緣圖像。
Canny邊緣檢測算子是一種多級檢測算法。1986年由John F. Canny提出，同時提出了邊緣檢測的三大準則：
低錯誤率的邊緣檢測：檢測算法應該精確地找到圖像中的盡可能多的邊緣，盡可能的減少漏檢和誤檢。
最優(yōu)定位：檢測的邊緣點應該精確地定位于邊緣的中心。
圖像中的任意邊緣應該只被標記一次，同時圖像噪聲不應產生偽邊緣。
Canny算法出現(xiàn)以后一直是作為一種標準的邊緣檢測算法，此后也出現(xiàn)了各種基于Canny算法的改進算法。時至今日，Canny算法及其各種變種依舊是一種優(yōu)秀的邊緣檢測算法。而且除非前提條件很適合，你很難找到一種邊緣檢測算子能顯著地比Canny算子做的更好。
關于各種差分算子，還有Canny算子的簡單介紹，這里就不羅嗦了，網(wǎng)上都可以找得到。直接進入Canny算法的實現(xiàn)。Canny算法分為幾步。
1. 高斯模糊。
這一步很簡單，類似于LoG算子（Laplacian of Gaussian）作高斯模糊一樣，主要作用就是去除噪聲。因為噪聲也集中于高頻信號，很容易被識別為偽邊緣。應用高斯模糊去除噪聲，降低偽邊緣的識別。但是由于圖像邊緣信息也是高頻信號，高斯模糊的半徑選擇很重要，過大的半徑很容易讓一些弱邊緣檢測不到。
