Canny边缘算子是一种既能滤去噪声，又能保持边缘特性的边缘检测最优滤波器。采用二维高斯函数任意方向上的一阶方向导数为噪声滤波器，通过与图像卷积进行滤波；然后对滤波后的图像寻找图像梯度的局部最大值，以此来确定图像边缘。根据对信噪比与定位乘积进行测度，得到最优化逼近算子。Canny算子检测方法的优点：①低误码率，很少把边缘点误认为非边缘点；②高定位精度，即精确地把边缘点定位在灰度变化最大的像素上；③抑制虚假边缘。

二、比较

Sobel算子检测方法对灰度渐变和噪声较多的图像处理效果较好。对噪声具有平滑作用，提供较为精确的边缘方向信息，边缘定位精度不够高，图像的边缘不止一个像素。当对精度要求不是很高时，是一种较为常用的边缘检测方法。

Roberts算子检测方法对具有陡峭的低噪声的图像处理效果较好，但是利用Roberts算子提取边缘的结果是边缘比较粗，因此边缘的定位不是很准确。

Prewitt算子检测方法对灰度渐变和噪声较多的图像处理效果较好。但边缘较宽，而且间断点多。

Laplacian算子法对噪声比较敏感，所以很少用该算子检测边缘，而是用来判断边缘像素是图像的明区还是暗区。（不推荐，效果差）

Canny方法不容易受噪声干扰，能够检测到真正的弱边缘。优点在于，使用两种不同的阈值分别检测强边缘和弱边缘，并且当弱边缘和强边缘相连时，才将弱边缘包含在输出图像中。

总结：

Canny处理图像时，保留图像的细节会更多?，适合对于需要细节的边缘检测，衣服褶皱可以检测出来。Prewitt去噪效果比较好，但是不会保留细节部分，保留的大部分是边缘轮廓，轮廓较宽，会有明显断点，不适合处理道路信息，Sobel较综合，图像不错。上述比较推荐的两种算法。

三、代码（不理解的可以看前几次的文章）

a1=imread('E:\photo\3.jpg');                         %读入图像文件
%[thr,sorh,keepapp]=ddencmp('den','wv',a1);       %求取对信号进行小波消噪处理的默认
%阈值、软阈值，并且保留低频系数
%c=wdencmp('gbl',a1,'sym4',2,thr,sorh,keepapp);   % 全局阈值设置去噪
% figure,imshow(c),title('消噪后图像 ');
%d=medfilt2(a1,[2,2]);                        %进行二维中值滤波
% figure,imshow(d),title('中值滤波');
isuo=imresize(a1,1);
%sobel、robert、prewitt、Log、canny算子检测图像边缘
es=edge(isuo,'sobel',0.2);
er=edge(isuo,'roberts',0.2);
ep=edge(isuo,'prewitt',0.2);
el=edge(isuo,'log');
ec=edge(isuo,'canny',0.2);
figure,imshow(isuo);
%title('前期处理图像');
imwrite(isuo,'前期图像.jpg')
figure,imshow(es);
% title('sobel算子');
imwrite(es,'E:\photo\Sobel.jpg')
figure,imshow(er);
%title('roberts算子');
imwrite(er,'E:\photo\roberts.jpg')
figure,imshow(ep);
%title('prewitt算子');
imwrite(ep,'E:\photo\prewitt.jpg')
figure,imshow(el);
%title('log算子');
imwrite(el,'E:\photo\log.jpg')
figure,imshow(ec);
%title('canny算子');
imwrite(ec,'E:\photo\canny.jpg')