真实面经题目 · 原创解析
OpenCV里边缘检测怎么做的？
OpenCV 边缘检测常见流程是灰度化、去噪、计算梯度、非极大值抑制和阈值连接。面试中可以重点讲 Canny，也可以补充 Sobel、Scharr、Laplacian 等算子分别适合检测一阶或二阶变化。
出现于：腾讯 · 算法
01
60 秒回答模板
OpenCV 中常用 Canny 做边缘检测。一般先把图像转灰度并做高斯滤波降噪，再用 Sobel 计算 x、y 方向梯度，得到梯度幅值和方向；随后做非极大值抑制，让边缘变细；最后用双阈值和滞后连接区分强边缘、弱边缘和噪声。简单场景也可以直接用 Sobel、Scharr 或 Laplacian 检测灰度变化。
考点 核心思想
难度 算法岗真实面经题
回答目标 讲清方法、取舍和追问
02
深入解析
边缘的定义
边缘通常对应图像灰度或颜色发生剧烈变化的位置。算法上会用梯度来衡量变化强度，一阶梯度大的位置可能是边缘，二阶变化也可以用于检测零交叉。不同算子本质上是在近似图像局部变化。
预处理
实际检测前通常先转灰度并做滤波。噪声本身也会造成灰度突变，如果不降噪，梯度算子会把噪声当成边缘。高斯滤波是 Canny 流程中的常见选择，能平滑图像但也会牺牲部分细节。
梯度计算
Sobel 会分别计算水平方向和垂直方向的梯度，再合成梯度幅值和方向。Scharr 可以看作更精细的 Sobel 变体，Laplacian 使用二阶导数，对噪声更敏感。选择哪个算子取决于精度、噪声和速度要求。
Canny 后处理
Canny 不只是算梯度。它还会做非极大值抑制，把宽边缘压细；再用双阈值把边缘分成强边缘、弱边缘和非边缘；弱边缘如果与强边缘连接，则保留，否则丢弃，从而减少噪声造成的孤立边缘。
参数与场景
边缘检测效果很依赖高斯核大小、阈值、图像分辨率和光照条件。阈值太低会产生大量噪声，阈值太高会漏掉弱边缘。工程中常结合形态学操作、轮廓检测或语义模型完成后续任务。
03
易错点
- 只说调用 cv2.Canny，不解释背后的梯度、抑制和阈值连接。
- 忽略降噪，导致把噪声误认为边缘。
- 认为阈值固定通用，不考虑图像亮度、噪声和场景差异。
- 混淆 Sobel、Scharr、Laplacian 和 Canny 的作用边界。
04
面试官追问
Canny 为什么要先做高斯滤波？
因为梯度对噪声敏感，噪声也会产生高频变化。高斯滤波能先平滑噪声，减少后续被误检为边缘的点。
双阈值有什么作用？
高阈值确定强边缘，低阈值保留可能的弱边缘。弱边缘只有和强边缘连接时才保留，这样能兼顾连续性和抗噪声能力。
Sobel 和 Laplacian 有什么区别？
Sobel 是一阶梯度算子，能得到方向信息；Laplacian 是二阶导数算子，对边缘和噪声都更敏感，通常需要更强的平滑预处理。
