3、边缘检测 

图像的边缘是指图像局部区域亮度变化显著的部分。该区域的灰度剖面一般可以看做一个阶跃，即从一个灰度值的很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。图像的边缘部分集中了了图像的大部分信息，图像边缘的确定与提取对于整个图像场景的识别与理解是非常重要的，同时也是图像分割所依赖的重要特征。边缘检测主要是图像的灰度变化的度量，检测和定位，自从1959提出边缘检测以来，经过五十多年的发展，已有很多种不同的边缘检测方法。 

边缘检测的基本思想是先利用边缘增强算子，突出图像中的局部边缘，然后定义像素的边缘强度，通过设置阈值的方法提取边缘点集。但是由于噪声和图像模糊，检测到的边界可能会有间断的情况放声。所以边缘检测包含以下两项内容：用边缘算子提取边缘点集 

在边缘点集合众去除某些边缘点，填充一些边缘点，将得到的边缘点集连接成线。 

边缘检测算法的基本步骤 

（1） 滤波。边缘检测算法主要是基于图像强度的一阶和二阶导数，，但导数的计算对噪声很敏感，因此必须使用滤波器来改善与噪声有关的边缘检测器的性能。需要指出的是，大多数滤波器在降低噪声的同时也导致了边缘强度的损失。因此，增强边缘和降低噪声之间需要折中。边缘检测主要基于导数计算，但受噪声影响。而滤波器在降低噪声的同时也导致边缘强度的损失。 

（2） 增强。增强边缘的基础是确定图像各点邻域强度值有明显变化的点突显出来。边缘增强一般是通过计算梯度幅值来完成的。增强算法将邻域中灰度

有显著变化的点突出显示。 

（3） 检测。在图像中有很多点的梯度幅值比较大，而这些点在特定的应用邻域中并不都是边缘，所以应该用某种方法来确定哪些点是边缘点。最简单的边缘检测判据是梯度幅值阈值判据。但在有些图像中梯度幅值较大的并不是边缘点。 

（4） 定位。如果某一应用场合要求确定边缘位置，则边缘的位置可在子像素分

辨率上来估计，边缘的方位也可以被估计出来。