图像边缘检测基本知识点

***边缘***一般是指 图像在某一局部强度剧烈变化的区域
边缘检测目的是 找到图像中亮度变化剧烈的像素点构成的集合
常见的边缘检测算法：
差分边缘检测算法：通过对图像求解一阶导数来获取目标边缘，导数的大小代表了灰度幅值的变化情况，导数方向表征了边缘方向
roberts算子：对对角方向相邻的两个像素进行运算，两个像素的差值代表了梯度值
prewitt算子（sobel算子，原理一样）：计算任一像素点的四邻域的一阶导数得到梯度幅值和方向角，算子由两个3x3的矩阵组成，分别与图像做卷积运算得到一个x方向和y方向的梯度值
canny算子：

• 1.对图像进行高斯滤波去除噪点
  2.对图像上的每一个点计算得出它的梯度幅值和梯度方向角
  3.经过计算以后提取出来的边缘点，还存在一定偏差，除了绝对边缘点的存在，还可能有一部分伪边缘点，我们知道计算的出的梯度幅值代表了灰度值的变化情况也就是边缘强度，方向角代表了边缘方向，在梯度方向上梯度强度最大的点就是边缘点，因此我们在梯度幅值矩阵中找到最大的那个点，其他的边缘点抑制为0，在canny算法中，非极大值抑制选取待比较的两个相邻像素点时，根据计算出的梯度角度，选取四个梯度方向较近的像素点，称之为待比较像素点，把中心像素点与待比较像素点进行比较，确定边缘点（中心>待比较）或者说非极大值抑制去除伪边缘点
  4.尽管经过非极大值抑制处理，仍然可能会存在伪边缘点的情况，我们基于整幅图的梯度直方图选取了两个值，称为高低阈值，把图像中所有像素点的灰度值与这两个阈值进行比较，大于高阈值的点为真实边缘点，居于高低阈值之间的点称为可能边缘点，低于低阈值的点为非边缘点，同时在可能边缘点中，若存在与真实边缘点直接相邻或通过其他潜在点与真实边缘点相邻，都被认为是真实的边缘点

我们把原始图像记为L（x，y），G（下，y）为卷积核，out（x，y）为卷积（滤波）后的图像
原始图像为MN的矩阵，卷积核是一个33的矩阵，输出的图像为一个（M-3+1）*（N-3+1）的矩阵