Canny邊緣檢測是壹種非常流行的邊緣檢測算法，由John Canny在1986中提出。它是壹個多階段算法，即由多個步驟組成。本文主要闡述Canny算子的原理和實現過程。壹般來說，邊緣檢測的目的是在保留原始圖像屬性的同時，顯著減少圖像的數據量。
邊緣檢測有很多算法。Canny算法雖然歷史悠久，但可以說是邊緣檢測的標準算法，在研究中仍被廣泛使用。應用高斯濾波來平滑圖像，以便去除噪聲。應用非最大值抑制技術消除邊緣誤檢(本來沒有但檢測到了)。
目前，常用的邊緣檢測模型有很多:
有Roberts算子，Prewitt算子，Sobel算子，Canny算子等等。有二階拉普拉斯算子。圖像的邊緣檢測是基於圖像的梯度，獲取圖像的梯度轉化為圖像與各種算子的卷積運算。因此，圖像邊緣檢測算法的核心在於算子。拉普拉斯算子的邊緣最完整、最清晰、最均勻，其邊緣檢測結果明顯優於其他算法。
邊緣檢測算法在檢測壹幅圖像的邊緣時，首先粗略地檢測圖像輪廓的壹些像素，然後通過壹些連接規則將那些像素連接起來，最後檢測並連接壹些以前未被識別的邊界點，去除檢測到的虛假像素和邊界點，形成壹條完整的邊緣。