? 數(shù)字圖像的邊緣檢測是圖像分割、目標(biāo)區(qū)域的識別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ)，圖像理解和分析的第一步往往就是邊緣檢測，目前它已成為機(jī)器視覺研究領(lǐng)域最活躍的課題之一，在工程應(yīng)用中占有十分重要的地位。

圖像的特征指圖像場中可用作標(biāo)志的屬性，而圖像的邊緣是圖像最基本的特征。在數(shù)字圖像中，所謂邊緣是指其周圍像素灰度有階躍變化或屋頂變化的那些像素的集合。由于物體的邊緣是由灰度不連續(xù)性所反映的，因此一般邊緣檢測方法是考察圖像的每個(gè)像素在某個(gè)領(lǐng)域內(nèi)灰度的變化，利用邊緣鄰近一階或二階方向?qū)?shù)變化規(guī)律來檢測邊緣，這種方法通常稱為邊緣檢測局部算子法。目前主要的幾種經(jīng)典的邊緣檢測算子有：

基于一階微分的邊緣檢測算子，這其中包括Roberts算子，Sobel算子，Prewitt算子以及Krisch算子。該類算子，利用梯度最大值或?qū)?yīng)于一階微分幅度最大的方法提取邊界。在算法實(shí)現(xiàn)過程中，通過2x2（Robert）或者3x3的模塊作為核與圖像中的每個(gè)像素點(diǎn)做卷積和運(yùn)算，然后選取合適的閾值以提取邊緣。
基于二階微分算子，Laplacian邊緣檢測算子就是其中的代表，該算子利用二階微分過零點(diǎn)的原理提取邊界點(diǎn)。在算法實(shí)現(xiàn)過程中，也是通過3x3卷積核運(yùn)算，選取合適的閾值以提取邊緣。

0532189 RI58-D/2000AF.47TB
0532190 RI58-D/1000AF.4CRB
0532191 RI58-D/72EF.47IH
0532192 RI58-D/2048AD.32RB
0532193 RI58-D/1000EF.47KD