图像边缘检测技术可以追溯到本世纪初，当时人们为了利用图片来报道发生的事情的信息时，便开始研究起图像处理技术。在1964年美国成功的运用电脑处理从太空传回的大量月球照片，并且得到了较好的处理效果，是人类开始利用计算机对图像进行处理的开端。但是，图像处理能够得到快速发展的时期是在上个世纪60年代末，一方面的原因是刚刚在上面提到过的受到当时航空技术发展的刺激，另一方面是因为用来处理图像的计算机和数字化机器的快速发展。发展至今，图像处理现在作为一门全新的学科，越来越受到人们的关注，并且越来越多的被应用在航空航天、医学卫生、工农业发展和军事技术等领域。78256
边缘检测的实质就是利用某种算法将这些存在于背景和对象之间的交界线提取出来[[[] 毕克宏。 基于机器视觉的水位监控系统研究。 郑州大学硕士学位论文。 2009：41-41]]。通过分析图像灰度梯度值来推断图像中灰度的变化，然后对图片中的局部图像做微分处理来获取边缘检测算子。传统的边缘检测算子就是通过处理原图像中边缘点的领域而得到的。多年来，国内外许多的研究者一直都在致力于检测数字图像边缘方法的研究，并相继的提出了若干有效的方法[[[] L。G。Robert。 Machine Perception of three-dimensinal solids。 In: Optical and Electro-Optical Information Processing, Tippett J, et al。 eds。, 1965:159-197]]。
1 经典算子
传统的线性边缘检测算法通过计算出梯度算子来实现。在求边缘的灰度跨度时（即梯度），需要计算每个点所在的位置，在实际计算中多用小区域的卷积模板来近似计算。经典的算子模板有Sobel算子[[[] Sobel, I。 E。 and STANFORD UNIV CALIF DEPT SCIENCE。 Camera models and machine perception:Stanford University, 1970:90-213]]、Roberts算子[[[] Roberts, L。 G。 and MASSACHUSETTS INST OF TECH LAB。 Machine perception of three-dimensional solids:Garland Pub。, 1980:170-289]]、Prewitt算子[[[] Prewitt, J。 M。 S。 Object enhancement and extraction。Picture processing and Psychopictorics, 1970:75-149]]、Laplacian算子[[[] Marr, D。 and E。 Hildreth。 Theory of edge detection。Proceedings of the Royal Society of London。 Series B,Biological Sciences, 1980:187-217]]、点线模板等。处理方向卷积模板，能够同时得到边缘的方向以及沿着该方向的强度。如果需要检测的图像存在模糊，再用卷积模板去检测的话得到的边缘的宽度往往会比较粗，造成较大的偏差，这时可以使用“非最大值压制”算法[[[] J。canny。 A compitational approach to edge detection。 IEEE T-PAMI, 1986, 8(6):679-698]]获取只有一个像素宽度的边缘。
2 最优算子
最优算子的方法是在经典算子的基础上改进得到的边缘检测算子，是通过计算噪信比的值来求得所要检测的边缘的最理想滤波器，其中包括Canny算子[[[] Canny, J。 A computational approach to edge detection。Readings in computer Vision:issues,problems,principles,and paradigms, 1987:187-217]]和LoG算子等。Canny算子方法利用检测函数单位最大值的方法来转化关于边缘检测的问题，通过分析图像中边缘的特性，推导出最优边缘检测算子的表达式。对于不同类型的图像，论文网它的最优边缘检测算子是不相同的。Canny算法给出了关于边缘检测算法的三个评价标准：是否拥有好的信噪比、定位性能是否完善以及对单一的边缘是否只有唯一的响应，也就是说对于单个边缘响应成多个边缘的几率要尽可能的低，而且要尽可能的抑制虚假边缘的出现。Canny算法具有比M-H算法更好的抗噪性以及定位性能，并且会检测到边缘梯度强度和方向的信息，为以后要做的操作提供了很大的方便。但是这个算法也存在缺陷：为了能够得到更好的效果大多会使用较大的滤波尺度，这样会导致失去很多小的细节。 图像边缘检测技术的研究现状:http://www.youerw.com/yanjiu/lunwen_90158.html