边缘检测原理

参考链接

参考资料：
图像梯度
拉普拉斯算子
canny算子

1.图像梯度

如果把灰度值看成二元函数值，那么灰度值的变化可以用二元函数的”导数“（或者称为梯度）来描述。由于图像是离散数据，导数可以用差分值来表示，差分在实际工程中就是灰度差，说人话就是两个像素的差值。
图像梯度可以理解为图像灰度的变化率。把图像看成二维离散函数，图像梯度即这个二维离散函数的求导。
例如，下图我们可以看到，100与90之间相差的灰度值为10，即当前像素点在X轴方向上的梯度为10，而其它点均为90，则梯度全为0，因此我们可以发现在数字图像处理，因其像素性质的特殊性，微积分在图像处理表现的形式为计算当前像素点沿偏微分方向的差值，所以实际的应用是不需要用到求导的，只需进行简单的加减运算。

图像函数f(x,y)梯度表达式

幅度

方向角

对于数字图像来说，相当于是二维离散函数求梯度，使用差分来近似导数：