数字图像边缘检测算法设计与实现
基于C#的模板算子法数字图像边缘检测技术分析与实现
５ １０ ） ４０ ４
摘 要 ：边缘检测是图像处理中的重要 内容，边缘是图像中灰度值不连续或突变的结果。边缘检测的方法有很 多，本文仅 就典型的模板 算子法进行分析 并对原 Ｓｂｌ ｏｅ算子 、Ｐｅ ｉ 算子边缘检 测方向模板进行扩展 ，然后 用 ｃ ≠ ｒ ｔ ｗｔ ≠ 编程语 言实现这些算 法。 关键 词 ：边缘检 测 ；模板 算子 ；算 法扩展 ；ｃ≠ ≠
Ａｂｓｒ ｃ ： ｇ ｔ ｃｉｎ ｉ ｎ ｉ ｐ ｒａ ａｔ ｏ ｍ ａ ｅ ｐｒ ｃ ｓ ｉｇ， ｇ ａ ａｕｅ ｅ ｇｅ ｉ ｎ ｔ ｃ ｔｎ ｏ ｏ ｔ ｔｏ ｔ ａ ｔＥｄ ｅ ｄｅｅ ｔｏ ｓ ａ ｍ ｏ ｔｎｔｐ ｒ ｆ ｉ ｇ ｏ ｅ ｓｎ ｉ ｍａ ｅ ｙ ｖ ｌ ｄ ｓ ｏ ｏｎｉ ｕ ｕｓ ｒ ｍｕ ａｉ ｎ ｒ ｓ ｌｓＥｄｇ ｅｅ ｔｏ ｍｅｈｏ ｓ ａｅ ｍ ａ ，ｈｓ ｏ ｅ ａｏ ｎｌ ｎ ｅ ｐ ｃ ｆａ ｔ ｐｃ ｌｔｍ ｐｌｔ ｔ ｄ ｆ ｒａ ａｙｓｓ ａ ｈ ｒｇｎａ ｅ ｕｔ． ｅ ｄ ｔ ｃｉｎ ｔ ｄ ｒ ｎｙｔ ｉ ｐ ｒ ｔｒｏ ｙ ｉ ｒ ｓ ｅ ｔｏ ｙ ｉａ ｅ ａｅ ｍｅｈｏ ｏ ｎ ｌ ｉ ｎｄ ｔ ｅ ｏ ｉｉ ｌ Ｓｏ ｅ ｐｅａｏ ， ｅ ｔ ｏ ｒ ｔｒ ｅ ｇ ｅｅ ｔ ｉｅ ｔｏ ｏ ｈｅ ｔｍ ｐ ａｅ ｅ ｐａ ｉｎ．ｎｄ Ｃ≠ ｒ ｇ ａ ｍ ｉｇ ｌｎｇ ｇ ｉ ｈ ｓ ｂ ｌｏ ｒ ｔｒＰｒｗｉｔ ｐｅａ ｏ ｄ ｅ ｄ ｔｃｉ ｄｒ ｃｉｎ ｆｔ ｅ ｌｔ ｘ ｎｓｏ ａ ｝ｐ ｏ ｒ ｍ ｏｎ ｎ ａ ｕａ ｅ ｕｓｎｇ ｔ ｅ ｅ ａｇ ｉ ｍ ｓ ｌｏｒｔ ｈ ．
计算机光盘软件与应用
软件设计开发
Ｃ ｍ ｕ ｅ Ｄ Ｓ ｆ ｗ ｒ ｎ ｐ ｌ ｃ ｔ ｏ ｓ ｏ ｐ ｔ ｒ Ｃ ｏ ｔ ａ ｅ ａ ｄＡ ｐ ｉａ ｉｎ ２ １ 年第 １ ０１ ７期
图像处理中的边缘检测算法分析与优化
图像处理中的边缘检测算法分析与优化随着数字图像处理技术的不断发展，边缘检测在计算机视觉、模式识别和图像分割等领域中扮演着重要的角色。
边缘是图像中灰度变化较大的区域，通过检测边缘，我们可以提取图像的形状和结构信息，从而实现图像分析和理解。
本文将对常用的图像处理边缘检测算法进行分析，并探讨优化策略。
一、边缘检测算法概述1.1 Sobel算法Sobel算法是一种基于梯度的边缘检测算法，它通过计算图像梯度的大小和方向来确定边缘位置。
Sobel算法具有计算简单、鲁棒性较高的优点，但对噪声比较敏感，在图像边缘不够明显或存在噪声时容易引入误检。
1.2 Canny算法Canny算法是一种经典的边缘检测算法，它通过多个步骤来实现高效的边缘检测。
首先，通过高斯滤波器对图像进行平滑处理，以减少噪声的影响。
然后，计算图像的梯度幅值和方向，并进行非极大值抑制，以精确地定位边缘。
最后，通过滞后阈值法来进行边缘的连接和细化。
Canny算法具有良好的边缘定位能力和抗噪能力，在实际应用中被广泛使用。
1.3 Laplacian算子Laplacian算子是一种基于二阶导数的边缘检测算子，它通过计算图像的二阶导数来检测图像中的边缘。
Laplacian算子具有对灰度变化较大的边缘敏感的优点，但对噪声比较敏感，容易产生边缘断裂和误检。
为了提高Laplacian算子的效果，常常与高斯滤波器结合使用，以减少噪声的干扰。
二、边缘检测算法优化2.1 参数选择在边缘检测算法中，参数的选择对于最终的结果具有重要的影响。
例如，对于Canny算法来说，高斯滤波器的大小和标准差的选择直接影响到边缘的平滑程度和定位精度。
因此，在优化边缘检测算法时，需要根据具体的应用场景和图像特点选择合适的参数。
2.2 非极大值抑制非极大值抑制是Canny算法中的一种重要步骤，用于精确地定位边缘位置。
然而，在进行非极大值抑制时，会产生边缘断裂和不连续的问题。
为了解决这个问题，可以考虑使用像素邻域信息进行插值，从而减少边缘的断裂，并得到更连续的边缘。
基于遗传算法实现数字图像边缘检测
Ｅｄ ｅ Ｄ ｅ ｅ ｔｏ ｃ ｎｉ ｕ ｓ ｄ ｏ ｅ ｅ ｉ ｇ ｒｔ ｇ ｔ ｃ ｉ ｎ Ｔｅ ｈ ｑ ｅ Ｂａ ｅ ｎ Ｇ ｎ ｔｃＡｌ ｏ ｉｈｍ
Ｗ ｕ Ｘｉ ｏ ｉ Ｚｈ ｎ ｎ ａｌ ｎ ａ ｇ Ｄｏ ｇ
（ ｉ ９ ，Ｎｏ ９ ９ １ Ｔｒ ｏ ｓ ｏ Ｕｎ ｔ ６ ． ２ ４ ｏ ｐ ｆ ＰＬＡ ，Ｈ ｕ ｕ ａ １ ５ ０ ） ｌｄ ｏ ２ ０ １
吴晓琳等 ： 于遗传算法实 现数字 图像边缘检测 基
总第 ２ ７ ０ 期
２ ２ 适应度 的计 算 ． 适 应度 函数 相 当于现实 生物 界进 化 的环 境 ， 它 直 接地 影响生 物进 化 的结果 ， 以适 应 度 函数 的设 所
计 十分 重要 。文 中所 处 理 的 染 色体 是 一 些 二值 化
总第 ２ ７ ０ 期 ２１ ０ １年第 ９ 期
舰 船 电 子 工 程
Ｓ ｉ ｅ ｔ ｏ ｉ ｇ ｎ ｅ ｉｇ ｈ ｐ Ｅｌｃ ｒ ｎ ｃ Ｅｎ ｉ ｅ ｒｎ
Ｖｏ． １Ｎｏ ９ １３ ．
１ １７
基 于 遗 传 算 法 实现 数 字 图像 边 缘 检 测
吴 晓琳
（２ ４ 部 队 ９ ９９１ ６分队
１引 言
图像 最 基本 的特 征 就是边 缘 ， 谓边 缘 是 指 图 所
像 中像 素 灰 度 有 突 变 的
主
终产 生符 合要求 的结果边 缘 图像 。 那 些 像 素 的 集 合 ， 图 是 像 的一个 基 本 特 征 ， 通
过 边缘 检 测 可 以 大 大 减 ２ １ 初始 化子 群 ．
各代 价 因子 的值 由决 策数 来决 定 ， 面 给 出某 下
像素 点 Ｌ的代价 因子 决策数 。
图像边缘检测原理及方法
一、图像边缘检测原理
边缘是图像上灰度变化最明显的地方，传统边缘检测利用此特点，对图像 各像素点进行求微分或二阶微分来定位边缘像素点。由灰度变化特点，可将边 缘类型分为阶梯状、脉冲状和屋顶状三种[1]。对于阶梯状，图像边缘点对应一阶 微分图像的峰值和二阶微分图像的零交叉处；对于脉冲状和屋顶状边缘，边缘 点对应一阶导数的零交叉和二阶导数的峰值。如图 1-1 所示[2]。
0 0 0 -1 1 0 0 0 0
垂直边缘
0 -1 0 0 1 0 0 0 0
水平边缘
-1 0 0 0 1 0 0 0 0
对角线边缘
图 2-1 差分算法检测边缘的方向模板 差分边缘是基本且原始的方法，根据阶跃边缘情况原理，利用导数算子检测 边缘。这种算子要求方向性，计算繁琐，因此很少采用。 2、Roberts 算子 Roberts 边缘检测算子[6]利用局部差分算子寻找边缘的算子，采用对角线方 向相邻像素之差近似梯度幅值检测边缘， 原理是根据任意一对互相垂直方向上的 差分可计算梯度。
s x { f ( x 1, y 1) 2 f ( x 1, y ) f ( x 1, y 1)} { f ( x 1, y 1) 2 f ( x 1, y ) f ( x 1, y 1)} s y { f ( x 1, y 1) 2 f ( x, y 1) f ( x 1, y 1)} { f ( x 1, y 1) 2 f ( x, y 1) f ( x 1, y 1)}
xf f (i, j ) f (i 1, j 1) xf f (i, j 1) f (i 1, j ) R (i, j ) 2x f 2y f 或 R (i, j ) x f y f
基于matlab的图像边缘检测算法研究和仿真设计
基于matlab的图像边缘检测算法研究和仿真目录第1章绪论 11.1 序言 11.2 数字图像边缘检测算法的意义 1第2章传统边缘检测方法及理论基础 2 2.1 数字图像边缘检测的现状与发展 22.2 MATLAB和图像处理工具箱的背景知识 32.3 数字图像边缘检测关于边缘的定义 42.4 基于一阶微分的边缘检测算子 42.5 基于二阶微分的边缘检测算子 7第3章编程和调试 103.1 edge函数 103.2 边缘检测的编程实现 11第4章总结 13第5章图像边缘检测应用领域 13附录参考文献 15第1章绪论§1.1 序言理解图像和识别图像中的目标是计算机视觉研究的中心任务，物体形状、物体边界、位置遮挡、阴影轮廓及表面纹理等重要视觉信息在图像中均有边缘产生。
图像边缘是分析理解图像的基础，它是图像中最基本的特征。
在Marr的计算机视觉系统中，图像边缘提取占据着非常重要位置，它位于系统的最底层，为其它模块所依赖。
图像边缘提取作为计算机视觉领域最经典的研究课题，长期受到人们的重视。
图像边缘主要划分为阶跃状和屋脊状两种类型。
阶跃状边缘两侧的灰度值变化明显，屋脊状边缘则位于灰度增加与减少的交界处。
传统的图像边缘检测方法大多是从图像的高频分量中提取边缘信息，微分运算是边缘检测与提取的主要手段。
由于传统的边缘检测方法对噪声敏感，所以实际运用效果有一定的局限性。
近年来，越来越多的新技术被引入到边缘检测方法中，如数学形态学、小波变换、神经网络和分形理论等。
Canny于1986年提出基于最优化算法的边缘检测算子，得到了广泛的应用，并成了与其它实验结果作比较的标准。
其原因在于他最先建立了优化边缘检测算子的理论基础，提出了迄今为止定义最为严格的边缘检测的三个标准。
另外其相对简单的算法使得整个过程可以在较短的时间实现。
实验结果也表明，Canny算子在处理受加性高斯白噪声污染的图像方面获得了良好的效果[1]。
基于边缘检测的图像识别系统研究和实现
• 191•引言：计算机视觉（Computer Vision ）是在数字图像处理的基础上发展起来的新兴学科；从信息处理的层面研究视觉信息的认知过程，研究视觉信息处理的计算理论和计算方法。
它作为一门综合性的交叉学科，在航空航天、医学影像、工业控制、地理遥感信息处理等方面发挥的重要的应用。
1 方案设计本文通过航空航天项目为研发背景配合民用图片作为效果说明。
本文依据项目设计图像处理系统实现对输入的各种传感器一维数据的拟合成二维数据，形成数字图像形式，然后通过平滑，分割，边缘提取，特征提取（分类）等步骤处理，形成新的数字图像（二维数据），最后将处理后的二维数据再转换成其他传感器所需要的数据流，供其他设备或者传感器进行应用，整个图像处理系统在QT 平台上用C/C++语言实现。
如图1所示。
图1 系统数据流示意图2 主要实现过程2.1 图像生成对原始数据进行拟合和提取形成图像处理所需的二维矩阵。
2.2 图像平滑在本文描述的系统中采用中值滤波对图像进行图像预处理。
2.3 图像边缘检测图像边缘是指局部区域亮度有阶跃变化的像素点的集合。
边缘广泛存在于物体与背景之间、物体与物体之间、基元与基元之间，它是图像分割所依赖的重要特征。
边缘检测算子检查每个像素的邻域并对其灰度变化率进行量化，也包括方向的确定。
大多数使用基于方向导数掩模求卷积的方法。
边缘检测算子通常由两个边缘检测模板组成。
图像中的每个像素分别用这两个模板做卷积，得到两个方向上的梯度G_1和G_2，为了减少运算量，有时也使用近似值G=|G_1 |+|G_2 |。
梯度方向。
本文描述的系统采用的是sobel 算子为基础构建的Canny算子：（1）Sobel 算子的提出者Irwin Sobel 在1968-1973年提出了该算法，Sobel 算子对于象素的位置的影响做了加权，可以降低边缘模糊程度，因此检测效果更好。
（2）Canny 算子是John F. Canny 于1986年提出的一个多级边缘检测算法。
拉普拉斯边缘检测算法
拉普拉斯边缘检测算法边缘检测是数字图像处理中的一个基本问题，它的任务是从一幅图像中找出物体的边界。
边界的定义是物体内部的灰度变化很大的地方，比如物体与背景之间的边界或者物体内部的边界。
边缘检测可以被广泛应用于计算机视觉、机器人控制、数字信号处理等领域。
本文将介绍一种常用的边缘检测算法——拉普拉斯边缘检测算法。
拉普拉斯边缘检测算法是一种基于二阶微分的算法。
它的基本思想是在图像中寻找像素灰度值变化明显的位置，这些位置就是边缘的位置。
具体来说，该算法使用拉普拉斯算子来进行图像的二阶微分，然后通过对图像进行阈值处理来得到边缘。
在数学上，拉普拉斯算子可以表示为：∇2f(x,y) = ∂2f(x,y)/∂x2 + ∂2f(x,y)/∂y2其中，f(x,y)是图像上的像素灰度值，∂2f(x,y)/∂x2和∂2f(x,y)/∂y2分别是图像在水平和竖直方向上的二阶导数。
我们可以使用卷积运算来实现对图像的二阶微分：L(x,y) = ∑i,j(G(i,j) * f(x+i,y+j))其中，G(i,j)是拉普拉斯算子的离散化矩阵，f(x+i,y+j)是待处理图像在位置(x+i,y+j)的像素灰度值。
卷积运算的结果L(x,y)就是图像在位置(x,y)处的二阶微分。
得到图像的二阶微分之后，我们需要对其进行阈值处理。
一般来说，图像的二阶微分值越大，说明该位置的像素灰度值变化越明显，很有可能是边缘的位置。
因此，我们可以将所有二阶微分值大于一个设定的阈值的位置标记为边缘点。
然而，拉普拉斯边缘检测算法还存在一些问题。
首先，它对噪声比较敏感，因此在使用该算法时需要进行噪声抑制。
其次，拉普拉斯算子的离散化矩阵在处理图像时会引入锐化效果，这可能会导致图像中出现一些不必要的细节。
因此，在实际应用中，我们往往会使用其他算法和技术来对拉普拉斯边缘检测算法进行改进和优化。
拉普拉斯边缘检测算法是一种基于二阶微分的边缘检测算法。
它的基本思想是使用拉普拉斯算子对图像进行二阶微分，然后通过阈值处理来得到边缘。
基于Sobel算子的数字图像边缘检测与FPGA实现
ａ ｄ ｉ ｔ ｇ ａ ｅ ｎ ａＦＰ ｎ ｎ ｅ ｒ ｔ ｄ ｉ ＧＡ ｈ ｐ ｏ ｉ ｎ ｐ ｒ ａ ｃ ｉ ｆ ｌ ｘ Ｓ ａ ｔ ｎ３ ＸＣ３ ５ ５ Ｘ ｉ Ｓ ０－ ＰＱ２ ． ｅ ｓｍ ｕ ａ ｅ ｅ ｕ ｔｉ ｄ ｃ ｔ ｓｔ ａ ｈ ｒ ｓ ｎ ｅ ＧＡ ０８Ｔｈ ｉ ｌ ｔ ｄ ｒ ｓ ｌ ｎ ｉ ａ ｅ ｈ ｔ ｅ ｐ ｅ ｅ ｔ ｄ ＦＰ ｔ ｃ ｉ ｈ ｐ ＸＣ３ ５ － Ｐ Ｓ ０ ５ Ｑ２ ８ ｃ ｎ ｒ ｎ ａ ３ Ｍ Ｈｚｓ ｅ ｄ Ｆ ｎ ｌｙ ｔ ｅ ｅ ｐ ｒｍ ｅ ｔ ０ ａ ｕ ｔ１ ４ ｐ ｅ ． ｉ ａ ｌ ， ｈ ｘ ｅ ｉ ｎ ｓｄ ｎ ｏ ｔ ｎ ｍａ ｅ ｏ ０ ４ Ｘ １ ２ ｉ ｅ ｓ Ｔｈ ｗａ ｏ ｅ ｔ ｅ ａ ｉ ｇ ｆ １ ２ ０ ４ ｐ ｘ ｌ． ｅ
级 ． 大 大 增 加 了设 计 过 程 和 最 后 工 程 的 灵 活 性 。 这
Ｓ ｂ ｌ ． 检 测 算 子 结 合 了边 缘 检 测 和 平滑 算 子 ． 其 在 ｏ ｅ： 缘 ￣ 使 嘈杂 的环 境 下 有 良 好 的 检 测 能 力 。因此 本 文 选 择 Ｓ ｂ ｌ ｏ ｅ算子 应
一二 、 Biblioteka ｅ边 缘 检 测 原 理 ｓｂｌ
图 像 边 缘 是 图 像 的 基 本 特 征 之 一 ， 包 含 对 人 类 视 觉 它
直 是 一 个 难 题 。虽 然 ＤＳＰ 备 指 令 流 水 线 特 性 和 很 高 的 具
ｔ ｈｅ Ｅｄｇｅ Ｄ ｅ ｅｃ ｉ ｉ ｔ ｌＩ ａ ｎｄ ｉｓ ｒ ａｌｚａ ｉ ｔ ｔｏｎ ｏｆＤ ｇｉａ ｍ ｇｅ ａ ｔ ｅ ｉ ｔｏｎ ｂｙ ＦＰＧ Ａ ｅｃ ｔ ｈｎｉ ｑｕｅ ｂａｓ ｄ ｅ ｏｎ ｂｅ ＳＯ ｌｏｐｅ ａ ｏ ｒ ｔｒ
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
本科毕业论文（设计、创作）题目：数字图像边缘检测算法设计与实现学生姓名：学号：**********所在院系：信息与通信技术系专业：电子信息工程入学时间：2010 年9 月导师姓名：职称/学位：讲师/博士导师所在单位：完成时间：2014 年 5 月安徽三联学院教务处制数字图像边缘检测算法设计与实现摘要：图像有很多最基本的特征，边缘是其中之一，所以图像处理的主要内容中也有图像的边缘检测，图像的边缘检测也是图像测量技术中的热点。
本篇论文是来研究图像边缘检测，图像处理技术已经有很广阔的应用域，图像的边缘检测最主要的意思是将图像的边缘提取出来。
本文首先简要的介绍了什么是边缘检测，和边缘检测的一些基本知识和原理，然后回顾了一些经典的边缘检测算法。
最后在已有的经典算法基础上进行编程仿真来提取图像的边缘。
关键词：图像处理；边缘检测；Hough变换；轮廓跟踪Design and implementation the algorithm of digital image edge detectionAbstract：Images have a lot of the most basic features, edge is one of them. So the image edge detection is one of the main content for image processing, the image edge detection has been the hot point in image measurement technology. This paper is to study the image edge detection. Image processing technology has very broad application field. The main mean of image edge detection is to detect image edge. In this article, first, briefly introduced what is edge detection, and some basic knowledge and principle of edge detection. Then reviews some of the classical edge detection algorithm. Finally, extracting image edge programming simulation on the basis of the existing classic algorithms.Key words: Image Processing, Edge Detection, Hough manipulation, contour tracing目录第一章绪论 (1)1.1 课程设计选题的背景及意义 (1)1.2 图像边缘检测的发展现状 (1)第二章边缘检测有关知识点 (2)2.1 边缘检测算法的分类 (2)2.2 边缘检测基本步骤 (2)2.3 边缘检测算法评价标准 (3)第三章一些经典的边缘检测算子的原理介绍 (5)3.1 Roberts边缘检测算子 (5)3.2 Prewitt算子 (5)3.3 Kirsch算子 (6)第四章图像边缘检测相关程算法和程序 (7)4.1 Hough变换 (7)4.2轮廓提取 (9)4.4轮廓跟踪 (14)第五章程序调式仿真 (18)5.1 MATLAB简介 (18)结论 (19)致谢 (20)参考文献 (21)第一章绪论我们日常生活和工作中获取和交换信息的来源主要是图像，所以图像处理技术涉及到我们生活的方方面面。
数字图像处理技术的发展涉及计算机科学、数学、信息技术等科学，也因此与边缘相关的学科对图像处理技术的发展有着很大的影响。
随着多年的发展，图像处理技术被运用到很多高科技领域1.1 课程设计选题的背景及意义所谓边缘，是指图像中灰度发生急剧变化的区域，或者说是指周围像素灰度有阶跃变化或屋顶变化的那些像素的集合[1]在对图像处理研究中，图像、图形的处理，包括数字图像的处理、储存等是主要的工作。
多媒体技术、计算机视觉和计算机模式识别已经逐渐地应用在日常生活中[2]。
一个区域的终结和另一个区域的开始就是边缘，边缘普遍存在于目标与背景、目标与目标、区域与区域、基元与基元之间，图像分割所依赖的重要特征就是边缘，纹理特征的重要信息源和形状特征的基础是边缘。
有了图像边缘，物体的几何尺寸可以确定基于有了边缘，并进一步对其测量，物体在空间中的几何位置可以确定，物体的形状特征被确定并对物体进行识别。
图像的边缘信息在图像分析和计算机视觉中图像的边缘信息很重要，图像识别中提取图像特征的一个重要属性是边缘。
即使它在数字图像处理中有很重要的作用。
1.2 图像边缘检测的发展现状图像的边缘检测有着很长的研究历史，学术思想非常活跃，不断涌现新理论、新方法，一直是国内外图像处理领域研究的热点一直是图像的边缘检测，现今许多方法和理论己经被提出。
目前为止提出的关于边缘检测的方法和理论依然存在不足的地方，在某些具体情况下依然无法很好的检测出目标物体的边缘在某些具体情况下。
所以，根据具体的应用要求设计新的边缘检测方法根据具体的应用，或者对现有的方法进行改进以达到满意的结果，研究的主流方向依然是这些依然是。
第二章边缘检测有关知识点2.1 边缘检测算法的分类随着图像处理技术的发展和多种学科在数字图像处理领域的融合交叉，多种多样的边缘检测算法不断出现。
目前，边缘检测方法含有算子法、曲面拟合法、模板匹配法等[3]，分方法为主的是经典边缘检测算法，又可分为一阶微分算法和二阶微分算法。
新边缘检测算法有很多种，包含多种学科，有良好的发展形势。
如分类图2-1所示：图2-1 边缘检测算法分类2.2 边缘检测基本步骤通常边缘检测主要包括以下四个步骤[4]（如图2-2所示）:(1)图像滤波同属图像中强度变化剧烈的部位是边缘和噪声，所以边缘检测算子对边缘和噪声都很敏感，为了改善与噪声有关的边缘检测算子的性能所以必须使用滤波器。
而边缘检测算法主要是基于图像灰度的一阶和二阶导数，导数的计算对噪声很敏感，而边缘检测算法主要是基于图像灰度的一阶和二阶导数，为了改善与噪声有关的边缘检测器的性能须用滤波器。
(2) 图形增强确定图像各点邻域强度的变化值是增强边缘的基础。
可以将邻域强度值有显著变化的点突出显示的算法是增强算法。
(3) 图像检测图像中有许多梯度幅值比较大的点，然而这些点并不都是边缘在一些特定的应用领域中，哪些是边缘点应用某些方法来确定。
梯度幅值阈值判据是最简单的边缘检测判据。
(4) 图像定位确定边缘点的具体位置就是边缘定位，边缘细化、连接也应该包括。
如果边缘位置在某一应用场合要求确定，则边缘的位置可利用子像素分辨率来估计，也可以估计出边缘的方位。
图2-2 边缘检测的流程2.3 边缘检测算法评价标准边缘检测算法的评价标准的研究，需追溯到其发展的思想源头和理论基础。
一般情况下，图像中的边缘点可认为是信号中的奇异点和突变点，它相邻像素灰度分布的梯度反映了其附近灰度的变化情况。
基于以上我们提出了多种边缘检测算子：如Robert算子、Prewitt算子等。
这些方法多灰度分析的基础是待处理像素为中心的邻域，对图像边缘的提取得以实现并已经取得了较好的处理效果。
边缘像素宽、噪声干扰较严重等缺点也同时存在于这些方法中，即使采用一些辅助的方法去噪，边缘模糊等难以克服的缺陷也会相应带来。
本质上讲，计算局部的微分算子是各种边缘检测技术的基本思想。
一般图像的边缘检测识别过程中有如下的要求：（1）有效的边缘能够正确的检测出；（2）要有高精度的边缘定位；（3）检测的响应最好是单像素的检测响应；（4）对于不同尺度的边缘都能有较好的响应且能尽量减少漏检；（5）对噪声尽量不敏感；边缘检测器的响应可简略的总结为以下三种误差：（1）丢失的有效边缘；（2）边缘定位误差（3）将噪声误判断为边缘。
第三章 一些经典的边缘检测算子的原理介绍3.1 Roberts 边缘检测算子利用局部差分算子寻找边缘的算子就是Roberts 算子，Roberts 算子在2*2邻域上计算对角导数：[][][]()[][]()221,,11,1,,+-++++-=j i f j i f j i f j i f j i G (3.1) []j i G ,又称为Roberts 交叉算子。
近似简化运算：[][][][][]1,,11,1,,+-++++-=j i f j i f j i f j i f j i G(3.2) 用卷积模板，上式变为：[]y X G G j i G +=, (3.3)其中x G 和y G 由图3.2的模板计算：（a ）x G 对角导数 （b ）x G 对角导数图3.1 Roberts 边缘检测算子 将在内插点处计算差分值。
该点连续梯度的近似值就是Roberts 算子，不是预期点处的近似值。
经过用面两个卷积算子对图像运算后，代入[]y X G G j i G +=,，可求得图像的梯度幅度值[]j i G ,，再选取适当的门限TH ，作如下判断:[][]j i TH j i G ,,,>，为阶跃状边缘点{[]j i G ,}为一个二值图像，就得到了图像的边缘.。
3.2 Prewitt 算子Prewitt 由2×2扩大到3×3来计算差分算子，此算子不仅能检测边缘点，这些算子样板是由理想的边缘图像构成的，检测图像则是次用边缘样板，最大值则是由与被检测区域最为相似的样板给出。
算子的输出值就是用这个的最大值，则边缘像素就可被检测出来。
Prewitt 边缘检测算子模板的定义如下：上面8个算子样板分别对应8个等方向的边缘方向。
然后适当选取门限TH ，作此判断：若P(i,j)>TH ，那么(i,j)为阶跃状边缘点。
就得到{P(i,j)}为边缘图像。
(4)拉普拉斯算子（Laplace ）拉普拉斯定义为：(3.4)拉普拉斯也是采用模板计算，有一种经常用的5 × 5的模板[5]3.3 Kirsch 算子Kirsch 是方向算子。
它是用八个卷积核的边缘检测算子，一共有八个3×3卷积核[6]。
各方向上的边缘均可检测，选择其中的最大值输出, 计算量增加了，并且减少因为平均而造成的细节丢失。
局部边缘的突出基于边缘增强算子，通过设置门限的方法提取边缘点集，像素中的“边缘强度”就被定义了这是边缘检测的基本原理。
我们要寻找一些各项同性的检测算子这是因为边缘、轮廓在一幅图像中经常具有任意的方向，们对任意方向的边缘、轮廓都有一样的检测能力[7]。