边缘检测
图像处理的一个底层技术
条目
历史版本
边缘检测作为图像处理的一个底层技术，有着悠久的历史。早在1959年，B.Julez就提到过边缘检测，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。[1]
边缘检测在图像处理、图像分析和计算机视觉领域等方面有着重要的研究意义，广泛应用于图像分割、动作分析、物体识别、视觉跟踪和工业检测等领域。传统边缘检测方法，如Roberts算子、Sobel算子、Prewitt算子、LoG（Laplacian of Gaussian）算子和Canny 算子等，主要通过微分算子计算像素阶跃性变化，通过对灰度跃变的分析来确定图像中的边缘。随着机器学习技术的快速发展，基于统计机器学习的方法被引入图像轮廓和边缘检测中，此类方法通常采用卷积或类似卷积对数字图像进行灰度分析来确定图像的边缘。[2]
简介
图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性。有许多方法用于边缘检测，它们的绝大部分可以划分为两类：基于查找一类和基于零穿越的一类。基于查找的方法通过寻找图像一阶导数中的最大和最小值来检测边界，通常是将边界定位在梯度最大的方向。基于零穿越的方法通过寻找图像二阶导数零穿越来寻找边界，通常是Laplacian过零点或者非线性差分表示的过零点。