边缘检测

图像中的边缘检测是像素灰度值发生剧烈变化而不连续的结果。边缘检测是常见的图像基元检测的基础。

解释一下什么是基元检测？
基元泛指图像中有特点的基本单元。一般常说的基元主要有：边缘、角点、直线段、圆、孔等（也包括它们的结合体）。有人将这些基本单元称为特征，所以基元检测也有称特征检测的。
边缘是许多其他基元的基础，如角点可以看做两个边缘以接近直角相结合构成的基元，直线段可看做两个邻近又互相平行的边缘相结合而构成的基元。

- 边缘检测的原理

像素灰度值变化可利用求导数的方法检测，常用一阶和二阶导数。
三种边缘剖面如下：

图片来源: http://blog.csdn.net/u012627502/article/details/19830693

(a)、(b)是阶梯状边缘：处于图像中两个具有不同灰度值的相邻区域间；
(c)是脉冲状边缘：对应细条状的灰度值突变区域，可以看成两个背靠背的阶梯状边缘构成；
(d)是屋顶状边缘：边缘上升、下降沿都比较平缓，可以看成脉冲状边缘拉伸得到的。

由(a)、(b)的二阶导数可以看到，二阶导数的过零点是边缘的位置；
由(c)的二阶导数可以看到，二阶导数的两个过零点分别对应脉冲的上升沿和下降沿。通过检测脉冲剖面的二阶导数的两个过零点可以确定脉冲的范围；
而屋顶状边缘剖面(d)的一阶导数过零点可以确定屋顶的中心位置。

• 一阶导数算子
  对边缘的检测可通过对图像空域微分算子卷积完成。一阶微分算子给出梯度，所以也叫梯度算子。分别对X和Y方向计算偏导分量。偏导分量的计算需对每个像素位置进行，使用模板卷积近似计算，X和Y各有一个模板，合起来构成梯度算子。最简单的梯度算子是Roberts算子，2x2，比较常用的还有Prewitt算子