边缘提取--原理小结（持续更新）

一直以来，在处理边缘检测问题的时候，都是把卷积核拿过来，与原图像做一个卷积操作，求取各个位置的梯度值，然后设置一个阈值，就得到了图像的边缘。

算法实现起来倒是很简单，但却一直对背后的数学模型不甚理解。最近查阅资料，有一点点感悟，不一定准确，如有错误求指正，谢谢。

梯度，是一个向量，既有大小，也有方向。表示的是某一个函数在该点处的方向导数沿着该方向（梯度方向）取得最大值（梯度的模），即在梯度方向上变化最快，变化率最大。

而对于图像来说，边缘就是图像灰度发生急剧变化的区域边界，因为对应到数学模型上，就是找变化率较大的点，即梯度的模。若模大于阈值，则为边界，否则为轮廓。

总结：边缘检测在数学上的含义：基于梯度的滤波器。

附上：一阶，二阶导数含义的链接

https://blog.csdn.net/chehec2010/article/details/79874815

https://www.baidu.com/link?url=T7SoV_pt3mitT