1、兩種算法原理和區別
關於邊緣檢測算法，網上有很多種，其中提得最多的就是sobel邊緣檢測算法和canny邊緣檢測算法。那兩者有什么區別呢？網上有這兩種邊界檢測算法方面資料有很多，但是講兩者的區別沒有，而且概念很容易混餚，比如canny邊界檢測算法中也會用到sobel算子，所以感覺有必要寫個文來澄清一下，讓喜歡圖像處理朋友們能夠懂這兩個邊界檢測算法，少走彎路。
sobel邊緣檢測算法兩個步驟：首先用到sobel算子，提取灰度差值信息，也就是圖像梯度值，然后用單閥值進一步提取邊界信息。
canny邊緣檢測算法包含四個步驟：高斯濾波，同樣計算灰度差值信息，即梯度信息和方向，后面檢測邊界信息這一塊，不是用簡單的單閾值方法，而是用了非極大值抑制法排除了不是邊界點的信息，同時進一步用了雙閾值法提取出強邊界和弱邊界，為最后做邊界連接提供有用的邊界點信息。
從上述介紹的sobel邊界檢測算法和canny邊界檢測算法，可以看出來，這兩種算法都是計算梯度信息和方向，最后根據這個梯度信息進行檢測邊界，總體流程上師一致的。不同點就是檢測這一塊，cannny算法給出了非極大值抑制和雙閾值法可以排除不是邊界點的干擾，更好的能夠提取出邊界。
了解了sobel檢測算法和canny邊界檢測算法的不同和共同之后，我還想進一步解釋一些基本概念，就是什么師sobel算子，什么是x方向梯度幅值，什么是y方向梯度值，什么是圖像梯度值，什么是梯度方向，什么是非極大值抑制，什么是雙閾值法。了解了這些基本概念，就清楚了sobel邊界檢測法和canny檢測法。
2、梯度相關的基本概念
其中sobel算子有兩個方向算子，soble水平和垂直算子。題外話，也可以有45度方向的sobel算子。
利用soble水平和垂直算子與輸入圖像卷積計算dx、dy，具體公式如下：
進一步可以得到圖像梯度的幅值：
為了簡化計算，幅值也可以作如下近似：
角度為：
3、非極大值抑制的實現注意點
沿着梯度方向對幅值進行非極大值抑制，而非邊緣方向。所以要實現非極大值抑制算法，需要輸入梯度的幅值信息和梯度的方向信息。下面是梯度方向和邊緣方向的關系圖：
圖 1
由於梯度的方向信息是0度~360度的，所以在這個梯度方向上沒有正好對應的梯度信息，因為像素值本身就是離散的，所以這里需要進行插值，或者近似取得想過值進行比較。
3.1 插值方法：
圖 2
進行非極大值抑制，就首先要確定像素點C的灰度值在其8值鄰域內是否為最大。圖2中藍色的線條方向為C點的梯度方向，這樣就可以確定其局部的最大值肯定分布在這條線上，也即出了C點外，梯度方向的交點dTmp1和dTmp2這兩個點的值也可能會是局部最大值。因此，判斷C點灰度與這兩個點灰度大小即可判斷C點是否為其鄰域內的局部最大灰度點。如果經過判斷，C點灰度值小於這兩個點中的任一個，那就說明C點不是局部極大值，那么則可以排除C點為邊緣。這就是非極大值抑制的工作原理。
但實際上，我們只能得到C點鄰域的8個點的值，而dTmp1和dTmp2並不在其中，要得到這兩個值就需要對該兩個點兩端的已知灰度進行線性插值，也即根據圖2中的g1和g2對dTmp1進行插值，根據g3和g4對dTmp2進行插值，這要用到其梯度方向.
3.2、近似比較法
邊緣可以划分為垂直、水平、45°、135°4個方向，同樣，梯度反向也為四個方向（與邊緣方向正交）。因此為了進行非極大值，將所有可能的方向量化為4個方向，如下圖：
量化化情況可總結為：
水平邊緣--梯度方向為垂直，設置為0：
垂直邊緣--梯度方向為水平，設置為1：
135°邊緣--梯度方向為45°，設置為2：
45°邊緣--梯度方向為135°，設置為3：
在每一點上，領域中心 x 與沿着其對應的梯度方向的兩個像素相比，若中心像素為最大值，則保留，否則中心置0，這樣可以抑制非極大值，保留局部梯度最大的點，以得到細化的邊緣。