在 OpenCV 中，cv2.Canny 函数是一个高效的边缘检测算法，它通过简单的一行代码实现了对图像边缘的检测。下面是对 cv2.Canny 函数参数的清晰解释：
Pic：这是待检测边缘的图像对象，通常应该是灰度图像。Minval：这是最小的灰度梯度阈值。图像中的像素点，如果其梯度值低于Minval，将被视为非边缘像素，即它们不会被包含在最终的边缘图中。Maxval：这是最大的梯度阈值。如果像素点的梯度值高于Maxval，则该点被确认为边缘像素。梯度值介于Minval和Maxval之间的像素点，只有当它们与高于Maxval的梯度值的像素点相连时，才被包含在边缘图中，否则它们将被排除。
Canny 算法的工作原理包括几个步骤：首先，它使用高斯滤波器对图像进行平滑处理，以去除噪声。然后，它计算图像的梯度幅度和方向。接下来，使用非极大值抑制来将梯度方向上不是局部最大值的像素点移除。最后，通过双阈值检测和连接边缘片段，生成最终的边缘图。
下面是使用 cv2.Canny 函数的一个简单示例：
import cv2
import matplotlib.pyplot as plt
# 读取图像
image = cv2.imread('path_to_image', cv2.IMREAD_GRAYSCALE)
# 使用 Canny 算法检测边缘
edges = cv2.Canny(image, minVal=50, maxVal=150)
# 显示原始图像和边缘检测结果
plt.figure(figsize=(10, 5))
plt.subplot(1, 2, 1)
plt.imshow(cv2.cvtColor(image, cv2.COLOR_GRAY2BGR))
plt.title('Original Image')
plt.subplot(1, 2, 2)
plt.imshow(cv2.cvtColor(edges, cv2.COLOR_GRAY2BGR))
plt.title('Edge Detected')
plt.show()
在这个示例中，我们首先以灰度模式读取图像，然后使用 cv2.Canny 函数进行边缘检测，并通过 matplotlib 库展示原始图像和检测到的边缘。minVal 和 maxVal 的选择取决于图像的特性和所需的边缘检测敏感度。
