如上所述，Matlab Canny 边缘检测器使用“高斯滤波器的导数”计算梯度（如文档中所述）。换句话说，Matlab 对图像进行高斯模糊，然后找到该平滑图像的梯度……所有这些都使用一个花哨的滤波器。[如果您想了解详细信息，只需edit edge按照 Andrey 的建议输入，然后向下滚动到该smoothGradient()功能。]

模糊操作显着减少了图像中存在的噪声量，消除了许多虚假边缘并留下了好的东西。

不幸的是，OpenCV Canny 函数不允许您通过函数参数更改它使用的过滤器内核。然而。您可以通过首先模糊输入图像，然后将此模糊图像传递给 Canny 函数来生成相同的结果。

这显着清理了生成的边缘图。为了模糊输入图像，我个人使用 OpenCV 的GaussianBlur()函数 with sigmaX=2. 这模仿了 Matlab 中的默认 sigma。最佳模糊内核大小可能因情况而异，但在 Matlab 中，它是使用 计算的filterLength = 8*ceil(sigma);，因此对于 2 的 sigma，这意味着内核大小为(16,16)

由于高斯模糊和索贝尔滤波器都是线性的，将模糊的输入图像传递给 OpenCVCanny()函数在数学上等同于 Matlab 所做的，因为叠加原理，如下伪代码所示（注意：*是卷积算子）：

// The Matlab method: the sobel and blur operations are combined into
// a single filter, and that filter is then convolved with the image
matlabFancyFilter = (sobel * blur);
gradient = matlabFancyFilter * image;

// Equivalent method: image is first convolved with the blur filter, and
// then convolved with the sobel filter.
gradient = sobel * (blur * image); // image is filtered twice

这里有一个OpenCV Canny 教程，演示了如何使用 C++ 来做到这一点。我是一个 python 人，所以这就是我所做的：

smoothedInput = cv2.GaussianBlur(image, (7,7), 2);
edges = cv2.Canny(smoothedInput, 25, 50);