cv::Canny() 最简调用必须输入单通道8位无符号整型图像（CV_8UC1），多通道或浮点型图会导致静默失败或断言崩溃；需先用cvtColor转灰度，不可依赖imread(..., 0)；高斯模糊虽非强制但强烈推荐作用于灰度图以抑制噪声。
cv::Canny() 最简调用必须满足什么输入条件
直接调用 cv::Canny() 前，图像必须是单通道、8位无符号整型（CV_8UC1）。传入多通道图（如 BGR）或浮点型图会静默失败或触发断言崩溃，但错误信息不明确，容易卡在 imgCanny 全黑无输出。
- 灰度转换不可省：用
cvtColor(img, imgGray, COLOR_BGR2GRAY)，不是imread(path, 0)—— 后者虽能读灰度，但若路径错误返回空Mat，后续Canny()会直接 crash - 高斯模糊非强制但强烈建议：原始
Canny()不做平滑，噪声会炸出大量伪边缘；GaussianBlur()应作用于灰度图而非原图（即GaussianBlur(imgGray, ...)），否则彩色通道混叠引入干扰 - 阈值参数顺序固定：
Canny(src, dst, low_thresh, high_thresh)，其中high_thresh通常设为low_thresh * 2或* 3，比例偏离 2:1～3:1 容易漏边或噪点多
为什么 cv::Canny() 的阈值调节总“不跟手”
因为 cv::Canny() 内部对梯度幅值做了归一化处理，实际生效的阈值依赖于图像内容的梯度动态范围。同一组数值（如 50/150）在低对比图里可能全黑，在高反差图里又满屏噪点。
- 用
createTrackbar()实时调参比硬编码更可靠：把lowthreshold绑定滑条，highthreshold设为lowthreshold * ratio（ratio固定为 3 更稳妥） - 避免直接用
imread(..., 0)读图后直送Canny()：该方式跳过色彩空间检查，若文件损坏或格式异常，imgGray可能为 16 位或带 alpha 通道，导致阈值失效 - 调试时先打印梯度极值：
minMaxLoc(gradXY, &minVal, &maxVal)（需先用Sobel算出梯度），观察真实梯度范围再设阈值，比盲试高效得多
cv::Canny() 输出图为什么边缘断断续续
这不是 bug，而是双阈值滞后处理（hysteresis thresholding）的正常行为：低于低阈值的像素被丢弃，介于高低阈值之间的像素仅当与高于高阈值的像素连通时才保留。所以孤立弱响应、毛刺、短碎线都会被剔除。
- 想补全断裂边缘，不要调低
low_thresh——这会引入大量噪声；改用形态学操作：dilate()拓展后再erode()收敛，比单纯降阈值更可控 - 连通性依赖 8 邻域，但
Canny()内部不提供邻域配置项；若需自定义连接逻辑（如只允许水平/垂直延伸），必须手动实现滞后步骤，不能依赖 API - 输出图是二值图（0 或 255），所有中间灰度值已被压缩；若后续要做亚像素边缘拟合，必须回退到梯度幅值图，而非
imgCanny
自己实现 Canny 时最容易崩在哪一步
非极大值抑制（NMS）的边界索引和方向量化是高频崩溃点。OpenCV 内置 Canny() 把梯度方向四舍五入为 0°/45°/90°/135° 四类，但手动实现时若用 atan2(dy, dx) 后未做角度归一化（如未转为 [0,180) 区间），比较邻点时极易数组越界或方向误判。
- 方向判断必须用整数查表：预计算四个方向对应的行列偏移量（如 0°→(0,±1)，45°→(±1,±1)），避免浮点比较误差
- NMS 输出图需与输入同尺寸且初始化为 0；未显式初始化会导致内存脏数据参与比较，出现随机白点
- 双阈值部分切忌用
if (mag > low && mag 直接赋值——这会破坏滞后逻辑；必须先标记强边缘，再以它们为种子 BFS/DFS 扩散找弱边缘
实际项目中，95% 的场景用好 cv::Canny() 就够了，但得清楚它不做什么：不自适应阈值、不支持 ROI 内局部边缘增强、不返回梯度方向图。这些需求一旦出现，就得切到手动实现层——而那里最耗时间的从来不是公式，是 Mat 边界检查和类型安全转换。
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！
