Canny Edge Detection 被认为是比您提到的那些更好的（在误报意义上）边缘检测。
这主要是由于两个步骤：

1. 非最大抑制 - 在其邻域中不占优势的边缘候选不被视为边缘。
2. 滞后过程 - 当沿着候选者移动时，给定一个在边缘附近的候选者，阈值较低。

这两个步骤减少了“错误”边缘的数量，因此为更远的过程（如霍夫变换）创造了更好的起点。

您关于需要在二进制图像上应用霍夫变换 (HT) 的说法是不正确的。最初的 HT 确实是这样制定的，尽管同时不同的作者以多种方式扩展了 HT——例如，考虑每个图像像素的灰度值。因此，可以省略边缘检测的步骤。

有关通过利用改进的霍夫变换提取空间超声波包特征的灰度值的引用：

[23] F. O'Gorman 和 MB Clowes，“通过特征点的共线性查找图片边缘”，IEEE Trans。计算机，卷。25，没有。4，第 449-456 页，1976 年 4 月。

[24] J. Skingley 和 AJ Rye，“霍夫变换应用于 SAR 图像以进行细线检测”，模式识别。莱特，卷。6，没有。1，第 61-67 页，1987 年。

[25] C. Trayner、NJ Bailey 和 BR Haynes，“时间梯度霍夫变换——通过运动速度约束对象识别”，实时图像，第一卷。6，没有。2，第 143-153 页，2000 年。