Salah satu algoritma deteksi tepi modern adalah deteksi tepi dengan menggunakan metode Canny. Deteksi tepi Canny ditemukan oleh Marr dan Hildreth yang meneliti pemodelan persepsi visual manusia. Ada beberapa kriteria pendeteksi tepian paling optimum yang dapat dipenuhi oleh algoritma Canny:

a. Mendeteksi dengan baik (criteria deteksi)
Kemampuan untuk meletakkan dan menandai semua tepi yang ada sesuai dengan pemilihan parameter-parameter konvolusi yang dilakukan. Sekaligus juga memberikan fleksibilitas yang sangat tinggi dalam hal menentukan tingkat deteksi ketebalan tepi sesuai yang diinginkan.

b. Melokalisasi dengan baik (criteria lokalisasi)
Dengan Canny dimungkinkan dihasilkan jarak yang minimum antara tepi yang dideteksi dengan tepi yang asli.

c. Respon yang jelas (kriteria respon)
Hanya ada satu respon untuk tiap tepi. Sehingga mudah dideteksi dan tidak menimbulkan kerancuan pada pengolahan citra selanjutnya. Pemilihan parameter deteksi tepi Canny sangat mempengaruhi hasil dari tepian yang dihasilkan. Beberapa parameter tersebut antara lain :
1. Nilai Standart Deviasi Gaussian
2. Nilai Ambang

Pendekatan algoritma canny dilakukan dengan konvolusi fungsi gambar dengan operator gaussian dan turunan-turunannya. Turunan pertama dari fungsi citra yang dikonvolusikan dengan fungsi gaussian,
g(x,y) = D[gauss(x,y) * f(x,y)]
ekivalen dengan fungsi citra yang dikonvolusikan dengan turunan pertama dari fungsi gaussian,
g(x,y) = D[gauss(x,y)] * f(x,y)
Oleh karena itu, memungkinkan untuk mengkombinasikan tingkat kehalusan dan pendektesian tepi ke dalam suatu konvolusi dalam satu dimensi dengan dua arah yang berbeda (vertical dan horizontal).
Dari hasil aplikasi program yang telah diimplementasikan menggunakan Canny Detection dapat diperoleh hasil sebagai berikut:

Berikut adalah potongan program untuk melakukan deteksi Canny menggunakan OpenCv Library
…………………
//—————————————–
IplImage* canny = cvCreateImage (cvGetSize (gray), IPL_DEPTH_8U, 0 );
cvCanny( gray, canny, 70, 200, 3);
cvShowImage (“Canny”, canny);
//————————————
…………….