使用Canny函数处理图像，x,y分别是3求出来的梯度，低阈值50，高阈值150代码

在使用Canny边缘检测算法处理图像时，你需要通过计算图像的梯度来确定哪些像素被认为是边缘。Canny算子通常包含以下几个步骤：

1. **高斯滤波**：首先，对图像应用高斯滤波器（gaussian blur），用于平滑并减少噪声，`x` 和 `y` 分别表示两个方向上的梯度。

cv::Mat img_blur; // 创建一个空矩阵存储高斯模糊后的结果
cv::GaussianBlur(src, img_blur, cv::Size(3, 3), 0);

这里的`src`是你原始的输入图像，`cv::Size(3, 3)`指定了3x3的高斯核大小。

2. **计算梯度**：然后计算图像在每个像素处的梯度强度和方向。`Sobel`操作可以做到这一点，例如：

cv::Mat grad_x, grad_y; // 存储水平和垂直方向的梯度
cv::Sobel(img_blur, grad_x, CV_64F, 1, 0); // 水平梯度
cv::Sobel(img_blur, grad_y, CV_64F, 0, 1); // 垂直梯度

3. **计算梯度幅值和方向**：
- 应用公式计算梯度幅值 `sqrt(grad_x * grad_x + grad_y * grad_y)`
- 将方向转换成弧度 `atan2(grad_y, grad_x)`

4. **非极大值抑制**（Non-Maximum Suppression, NMS）：消除方向不是局部最大值的响应点。

5. **双阈值处理**：
- 找到大于高阈值 `150` 的像素，并标记为强边缘
- 对于小于低阈值 `50` 的像素，取消标记（除非它与强边缘相邻）

cv::Mat edges;
cv::Canny(img_blur, edges, 50, 150, 3); // 第三个参数是二阶导数检测的迭代次数

完整的代码片段如下：

#include <opencv2/opencv.hpp>
// ...

cv::Mat src, img_blur, grad_x, grad_y, edges;

// ... (加载图片)
// ...

cv::GaussianBlur(src, img_blur, cv::Size(3, 3), 0);
cv::Sobel(img_blur, grad_x, CV_64F, 1, 0);
cv::Sobel(img_blur, grad_y, CV_64F, 0, 1);

cv::Mat grad_mag, angle;
grad_mag = cv::sqrt((grad_x * grad_x) + (grad_y * grad_y));
angle = cv::arctan2(grad_y, grad_x) / CV_PI * 180;

// ... (继续进行NMS和双阈值处理)

edges = cv::Canny(img_blur, edges, 50, 150, 3);

// ... (后续处理，保存结果等)