最后几个问题涉及 Canny 边缘检测器
Canny 边缘检测器的局限性是什么？ 和
分割叶脉的最佳方法？
该算法的基本概要如下：
一种。应用高斯卷积。（的选择在这里制作）
b. 应用二维导数
c. 跟踪通过此边缘的脊和阈值化（将不在边缘上的像素设置为零）具有迟滞较低和较高的 T0 和 T1（选择和在这里制作）。
阅读本文了解更多背景信息。
同时，据称 Canny 是最优的；当获得实际结果很重要时，调整上面列出的因素和确实有很大的不同。
那么如何实际选择这些（调整）参数呢？即使没有明确的方法或价值，知道这一点的一般技术是什么？
以下http://www.kerrywong.com/2009/05/07/canny-edge-detection-auto-thresholding/是显示如何选择阈值 Tlow 和 Thigh 的少数资源之一
据此，对于一张在直方图中分布充分的图片，可以选择T_low = 0.66 * image of mean和T_high = 1.33 * mean value。
但是，当图像没有充分展开时，应该使用中值而不是图像的平均值。
如果 T_low 和 T_high 之间的差距非常小，则所得边缘的连续性会更小，因此会有更多的分数。随着间隙的增加，您将拥有更多的单线边缘。
对于 sigma，随着 sigma 的增加，平滑度增加，噪声边缘会消失，但同时，边缘的位置也可能移动很小。请参阅此文档http://www.cse.unr.edu/~bebis/CS791E/Notes/EdgeDetection.pdf，第 29 页的结果显示了这种效果。