canny源码解析
Canny边缘检测算法是由John F. Canny于1986年提出的一种多级边缘检测算法，其步骤通常包括：
1. 高斯滤波降噪 ：首先使用高斯滤波器对图像进行降噪处理，以减少噪声点的干扰。然而，在OpenCV的Canny源码中，这一步骤并没有被直接实现，需要用户自行进行滤波处理。
2. 计算梯度幅值和方向 ：使用Sobel算子计算图像的梯度幅值和方向。Sobel算子分别计算了图像在水平和垂直方向上的梯度强度，并将这些梯度值存储在两个不同的矩阵中（通常称为`dx`和`dy`）。
3. 非极大值抑制 ：对梯度幅值矩阵进行非极大值抑制，以保留局部最大值。这一步骤的目的是确保边缘的尖峰处被保留，而较弱的边缘被抑制掉。
4. 滞后阈值 ：应用滞后阈值处理，将非极大值抑制后的梯度幅值矩阵中的像素值分为三类：
强边缘（值为2）
弱边缘（值为1）
非边缘（值为0）
5. 边缘连接 ：通过边缘连接步骤，将强边缘像素与其直接相连的弱边缘像素连接起来，形成最终的边缘图像。这一步骤通常涉及到查找强边缘像素的相邻像素，并将它们标记为边缘像素。
在OpenCV的Canny函数中，参数包括：
`_src`：输入图像
`_dst`：输出图像
`low_thresh`：低阈值
`high_thresh`：高阈值
`aperture_size`：Sobel算子的孔径大小，默认为3
`L2gradient`：是否使用L2范数计算梯度幅值，默认为false
需要注意的是，OpenCV的Canny函数并没有直接实现高斯滤波，因此在使用Canny函数之前，通常需要先对图像进行高斯滤波处理。
希望这些信息对你理解Canny算法的源码有所帮助。
其他小伙伴的相似问题：
canny算法源码解析的具体步骤是什么？
canny边缘检测的python源码解析
canny算法的实际应用案例有哪些？
