cv::Canny输入必须为单通道8位（CV_8UC1）或32位浮点（CV_32FC1）图像，彩色图需先转灰度，float64等非支持类型须显式转换；典型阈值组合为low=50、high=150，推荐high=3×low且≤255；必须前置高斯滤波降噪，否则噪声被误检为边缘；L2gradient=true启用欧氏梯度，定位更准但稍慢。
cv::Canny 的输入图像必须是单通道8位或32位浮点型
直接传 cv::Mat 给 cv::Canny 很容易崩溃或输出全黑，因为函数内部不做类型校验，只按预期格式读内存。常见错误是传入彩色图（BGR三通道）或 float64 类型的归一化图像。
- 必须先用
cv::cvtColor(src, gray, cv::COLOR_BGR2GRAY)转灰度 - 再用
gray.convertTo(gray_f32, CV_32F)（如需 float 输入）或保持CV_8U（更常用） - 若原图是 float64（比如从 numpy 读入未转换），
cv::Canny会把高字节当噪声处理，边缘断裂
高低阈值不是“越大越敏感”，而是存在强依赖关系
cv::Canny 的双阈值逻辑是：高于高阈值的像素为强边缘；介于高低阈值之间的像素仅在连接到强边缘时才保留。低阈值太小会导致大量孤立噪点被保留；太高则弱边缘连通性丢失。
- 典型组合：
low_thresh = 50，high_thresh = 150（8位图范围 0–255） - 更鲁棒的做法是设
high_thresh = 3 * low_thresh，但需确保high_thresh ≤ 255 - 用
cv::medianBlur预滤波后可适当提高阈值，否则模糊会掩盖真实边缘
调用顺序错一步，结果就完全不对
很多人把 cv::Canny 当成“一键函数”，漏掉关键预处理步骤，导致输出为空白或杂点。标准链路不是“读图 → Canny”，而是：
- 读图：
cv::imread("xxx.jpg")，确认返回非空 - 转灰度：
cv::cvtColor，不能跳过 - 降噪：
cv::GaussianBlur(gray, blurred, cv::Size(5,5), 0)（Size必须是奇数） - 执行：
cv::Canny(blurred, edges, low, high)，注意输出edges是CV_8UC1类型
漏掉高斯模糊，噪声会被放大成伪边缘；edges 若未预先分配或类型不匹配，函数静默失败（不报错但输出全零）。
OpenCV 4.5+ 的 Canny 支持 L2梯度范数，但默认仍是 L1
新版 OpenCV 在 cv::Canny 最后加了 bool L2gradient = false 参数，默认用 |dx| + |dy| 计算梯度幅值。设为 true 会改用 √(dx² + dy²)，对细线和斜边定位更准，但计算稍慢。
- L2 更适合高精度测量场景，比如亚像素级边缘定位前处理
- 默认 L1 对实时性要求高的场合更友好，且对椒盐噪声稍鲁棒
- 该参数不影响阈值单位，仍按输入图像数据范围（0–255 或 0–1.0）理解
边缘检测真正难的不是调参，而是判断哪一帧该用高斯核尺寸 3，哪一帧该切到 7——这得看图像实际噪声分布，而不是套固定模板。
C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
