邊緣檢測(cè)是圖像處理、機(jī)器視覺和計(jì)算機(jī)視覺中的一種重要方法。

　　邊緣檢測(cè)是指當(dāng)圖像亮度突然變化或更正式地說，出現(xiàn)不連續(xù)時(shí)，用于檢測(cè)數(shù)字圖像中的邊緣或曲線的一組數(shù)學(xué)技術(shù)。階躍檢測(cè)是識(shí)別一維信號(hào)中的不連續(xù)性的問題，而變化檢測(cè)是發(fā)現(xiàn)跨時(shí)間的信號(hào)不連續(xù)性的問題。在圖像處理、機(jī)器視覺和計(jì)算機(jī)視覺中，邊緣檢測(cè)是一項(xiàng)關(guān)鍵技術(shù)，尤其是在特征識(shí)別和提取領(lǐng)域。

　　檢測(cè)圖像亮度的急劇變化的目的是記錄世界特征的重大事件和變化。鑒于圖像生成模型的相對(duì)一般假設(shè)，圖像亮度的不連續(xù)性預(yù)計(jì)與深度不連續(xù)性、表面方向不連續(xù)性、材料特性變化和場(chǎng)景光波動(dòng)相關(guān)。

　　在理想情況下，對(duì)圖像應(yīng)用邊緣檢測(cè)器將產(chǎn)生一組鏈接曲線，這些曲線指示對(duì)象邊界、曲面標(biāo)記邊界以及對(duì)應(yīng)于曲面方向不連續(xù)性的曲線。對(duì)圖片應(yīng)用邊緣檢測(cè)方法可以最大限度地減少必須處理的數(shù)據(jù)量，從而過濾掉不那么重要的信息，同時(shí)保留圖像的關(guān)鍵結(jié)構(gòu)特征。如果邊緣檢測(cè)階段成功，則理解原始圖像中包含的信息的工作可以顯著簡(jiǎn)化。然而，這種完美的邊緣并不總是可能從適度復(fù)雜的現(xiàn)實(shí)生活圖片中獲得。

　　從非平凡圖片恢復(fù)的邊緣通常會(huì)受到碎片的阻礙，碎片會(huì)導(dǎo)致邊緣曲線不相連、邊緣段缺失以及與圖像中重要事件不相關(guān)的假邊緣，從而使理解圖像數(shù)據(jù)的過程復(fù)雜化。邊緣檢測(cè)是圖像處理、圖像分析、圖像模式識(shí)別和計(jì)算機(jī)視覺方法中最基本的過程之一。

　　可以從三維場(chǎng)景的二維圖片中檢索視點(diǎn)相關(guān)或視點(diǎn)無關(guān)的邊。三維對(duì)象的固有特征，如表面標(biāo)記和形狀，通常由透視無關(guān)的邊反映。場(chǎng)景的幾何體（例如相互遮擋的對(duì)象）通常由與透視相關(guān)的邊反射，該邊隨視點(diǎn)的變化而變化。

　　例如，紅色塊和黃色塊之間的邊界是典型的邊緣。另一方面，線條可以是在其他恒定背景上的少量可變色調(diào)像素（可以通過脊線檢測(cè)器檢索）。因此，在大多數(shù)情況下，線的兩側(cè)都可能有一條邊。

　　邊緣檢測(cè)可以通過多種方式進(jìn)行，其中Prewitt邊緣檢測(cè)、Sobel邊緣檢測(cè)、Laplacian邊緣檢測(cè)和Canny邊緣檢測(cè)是最流行的方法。

　　Prewitt邊緣檢測(cè)

　　這是一種流行的邊緣檢測(cè)器，用于識(shí)別圖片中的水平和垂直邊緣。

　　Sobel邊緣檢測(cè)

　　這將使用強(qiáng)調(diào)過濾器中心的過濾器。它是最常用的邊緣檢測(cè)器之一，在降低噪聲的同時(shí)，還能提供識(shí)別和邊緣響應(yīng)。

　　拉普拉斯邊緣檢測(cè)

　　拉普拉斯邊緣檢測(cè)器不同于前面提到的邊緣檢測(cè)器。這種技術(shù)只使用一個(gè)過濾器（也稱為內(nèi)核）。拉普拉斯邊緣檢測(cè)在一次過程中執(zhí)行二階導(dǎo)數(shù)，使其易受噪聲影響。在使用此方法之前，使用高斯平滑對(duì)圖片進(jìn)行平滑，以避免對(duì)噪聲的敏感性。

　　Canny邊緣檢測(cè)

　　與許多其他方法相比，這是使用最廣泛、非常成功和復(fù)雜的方法。這是一種用于檢測(cè)和識(shí)別各種邊緣的多階段方法。Canny邊緣檢測(cè)方法的步驟如下所示。它將圖片轉(zhuǎn)換為灰度，消除噪聲（因?yàn)槭褂脤?dǎo)數(shù)的邊緣檢測(cè)易受噪聲影響），計(jì)算梯度（有助于識(shí)別邊緣強(qiáng)度和方向），最后將圖像轉(zhuǎn)換為灰度。它使用非最大值抑制來縮小圖像的邊緣，使用雙閾值來檢測(cè)圖像的強(qiáng)、弱和無關(guān)像素，并使用滯后邊緣跟蹤來幫助將弱像素轉(zhuǎn)換為強(qiáng)像素（僅當(dāng)它們被強(qiáng)像素包圍時(shí)）。