图像与视频是两种最常见的可视媒体，是人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。视频图像处理是通过计算机对视频图像进行去噪、增强、复原、分割、特征提取等处理的技术与方式。从视频图像中抽取某些有用的度量、数据或信息，用于各种自动化的系统，如字符和图形识别、指纹识别、边缘检测和自动驾驶中的行人检测等。

边缘是图像最基本的、不变的特征，它能在保留图像中物体的形状信息的前提下大大地减少所要处理的信息，因此边缘检测是图像处理领域中最基本的问题，它的解决对于高层次的特征提取、特征描述、目标识别和图像理解等有着极其重要的影响。边缘是图像局部灰度发生急剧变化的不连续地方，主要存在于目标与目标、目标与背景、区域与区域（包括不同色彩）之间。边缘检测就是要将图像中灰度不连续的地方检测出来，关于边缘检测的定义有很多种，其中最为常用的一种定义为：边缘检测是根据引起图像灰度变化的物理过程来描述图像中灰度变化的过程。由于边缘检测是定位灰度级的变化，因此通常使用微分法来定位边缘。

经典的边缘检测方法是考察图像的每个像素在某个邻域内的突变性，通过求出图像横向和纵向的一阶或二阶梯度的模值和幅角值，最后沿幅角方向求出模极大值得到图像的边缘。如典型的Sobel算子、Prewitt算子、LOG算子等。这些算子简单，易于实现，具有很好的实时性，但对噪声较敏感，抗干扰性能差，边缘不够精细。

1986年，JohnF.Canny开发了一个多级边缘检测算法，即Canny边缘检测算子。更为重要的是，Canny创立了“边缘检测计算理论”（computational theory of edge detection）解释这项技术如何工作。Canny的目标是找到一个最优的边缘检测算法，最优边缘检测的含义是：

好的检测：算法能够尽可能多地标识出图像中的实际边缘。

好的检测：算法能够尽可能多地标识出图像中的实际边缘。

好的定位：标识出的边缘要与实际图像中的实际边缘尽可能接近。(www.daowen.com)

好的定位：标识出的边缘要与实际图像中的实际边缘尽可能接近。

最小响应：图像中的边缘只能标识一次，并且可能存在的图像噪声不应标识为边缘。

为了满足这些要求，Canny使用了变分法，这是一种寻找满足特定功能的函数的方法。最优检测使用四个指数函数项的和表示，但是它非常近似于高斯函数的一阶导数。最终相比传统的微分算子，Canny边缘检测算法因具有信噪比大和检测精度高的优点，被广泛应用。

最小响应：图像中的边缘只能标识一次，并且可能存在的图像噪声不应标识为边缘。

为了满足这些要求，Canny使用了变分法，这是一种寻找满足特定功能的函数的方法。最优检测使用四个指数函数项的和表示，但是它非常近似于高斯函数的一阶导数。最终相比传统的微分算子，Canny边缘检测算法因具有信噪比大和检测精度高的优点，被广泛应用。