Canny边缘检测于1986年由JOHN CANNY首次在论文《A Computational Approach to Edge Detection》中提出，就此拉开了Canny边缘检测算法的序幕。 Canny边缘检测是从不同视觉对象中提取有用的结构信息并大大减少要处理的数据量的一种技术，目前已广泛应用于各种计算机视觉系统。Canny发现，在不同视觉系统上对边缘检测的要求较为类似，因此，可以实现一种具有广泛应用意义的边缘检测技术。边缘检测的一般标准包括：
- 以低的错误率检测边缘，也即意味着需要尽可能准确的捕获图像中尽可能多的边缘。
- 检测到的边缘应精确定位在真实边缘的中心。
- 图像中给定的边缘应只被标记一次，并且在可能的情况下，图像的噪声不应产生假的边缘。
- 使用高斯滤波器，以平滑图像，滤除噪声。
- 计算图像中每个像素点的梯度强度和方向。
- 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。
- 应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。
- 通过抑制孤立的弱边缘最终完成边缘检测。
相关链接：https://www.cnblogs.com/techyan1990/p/7291771.html
https://opencv.apachecn.org/#/docs/4.0.0/4.7-tutorial_py_canny
OpenCV 中的 Canny 边缘检测 OpenCV 将以上所有内容放在单个函数中， cv.Canny() 。我们将看到如何使用它。第一个参数是我们的输入图像。第二个和第三个参数分别是我们的 minVal 和 maxVal。第三个参数是 aperture_size。它是用于查找图像渐变的 Sobel 内核的大小。默认情况下，它是 3.最后一个参数是 L2gradient，它指定用于查找梯度幅度的等式。SetWorkingDir A_ScriptDir
hOpencv := DllCall("LoadLibrary", "str", "opencv_world455.dll", "ptr")
hOpencvCom := DllCall("LoadLibrary", "str", "autoit_opencv_com455.dll", "ptr")
DllCall("autoit_opencv_com455.dll\DllInstall", "int", 1, "wstr", A_IsAdmin = 0 ? "user" : "", "cdecl")
cv := ComObject("OpenCV.cv")
img := cv.imread("2.png", 0)
edges := cv.Canny(img, 100, 100)
cv.imshow("Image", img)
cv.imshow("edges_Image", edges)
cv.waitKey()
cv.destroyAllWindows()
天黑版opencv_ahk.dll使用（改变了调用方式，优化速度…）
相关文件：https://wwz.lanzouw.com/iAkK803eaaud
cv2.ahk和log.ahk来自社区群友zzZ…
可以用文件中的天黑版的v2h版ahk运行。
示例：Canny边缘检测
#Dllload lib
#DllLoad opencv_ahk.dll
#include <cv2>
#include <log>
SetWorkingDir A_ScriptDir
;初始化opencv模块
cv := ObjFromPtr(DllCall('opencv_ahk.dll\opencv_init', 'ptr', DllCall(A_AhkPath '\ahkGetApi', 'ptr'), 'cdecl ptr'))
img := cv.imread("image/lena.png", 0)
;先降噪
cv.GaussianBlur(img, GaussianBlur := cv.MAT(), [5, 5], 0)
cv.Canny(img, edges := cv.MAT(), 100.0, 100.0)
cv.imshow("image", img)
cv.imshow("edges", edges)
cv.waitKey()
cv.destroyAllWindows()细节
canny边缘检测之后的轮廓可能会出现断开的情况，影响到后续的操作，这时可以使用膨胀来连接断开的部分。
膨胀之后再进行操作
有错误请联系我改正！
本系列所有贡献者（AutoHotKey中文社区群友）不分先后：天黑请闭眼，zzZ…，演好自己，僵尸，城西，Tebayaki。
标签：边缘,ahk,检测,opencv,AHK,Canny,cv From： https://www.cnblogs.com/ff888/p/16783750.html