持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第21天，点击查看活动详情
总计：今天是十月更文计划第二十一天，第三十八篇
边缘检测分割的原理
区域之间：不连续性
做法：根据图像像素灰度值的不连续性，先找到点、线、边，再确定出区域。
做法：根据图像像素灰度值的相似性，通过选择阈值，找到灰度值相似的区域，区域的外轮廓就是目标对象的边
基本思想：通过寻找图像中不同区域的边界，从而实现图像的分割。它是基于边界的一大类图像分割方法。
一阶边缘检测算子 检测图像一阶导数的峰值或谷值确定边缘，可用一阶微分算子和图像卷积实现。
为了检测边缘点，选取适当的阈值T，对梯度图像进行二值化，则有
直接计算 、 可以检测到边的存在。
对沿着x轴方向的边产生的响应最强；
对沿着y轴方向的边产生的响应最强。
有的算子在微分的同时，具有平滑作用，能够滤除噪声。
、Roberts，Prewitt，Sobel等算子，只包含两个方向的模板，可检测边缘方向少。 微分模板方向越多就能检测更多方向的边缘。
使用方法：8个模板分别与图像卷积，检测8个方向的灰度变化，变化最大的方向即是边缘的方向。5×5的Kirsch算子的前4个方向模板如下：
（3） Canny算子
存在问题: 位置不准；非单像素宽等。
好的检测算子需满足三个指标
高准确性：多包含真边缘，少包含假边缘；
高精确度：检测到的边缘应该在真正边界上；
单像素宽：选择性很高，只对边缘有唯一响应。
Canny算子检测边缘的步骤： 用高斯滤波模板平滑图像； 计算平滑后图像的梯度的幅值和方向； 对梯度幅值应用费极大值抑制； 确保在梯度方向上是最大值。 用双阈值算法检测和链接边缘。 对不确定的部分借助邻域梯度判断。
