，边缘是指其周围像素灰度有阶跃变化或屋顶状变化的那些像素的集合，它存在于目标与背景、目标与目标、区域与区域、基元与基元之间。它是图像分割所依赖的最重要的特征，也是纹理特征的中重要信息源和形状特征的基础。而图像的纹理形状特征的提取又常常要依赖于图像分割。确定图像中的物体边界的另一种方法是先检测每个像素和其直接邻域的状态，以决定该像素是否确实处于一个物体的边缘上。具有所需特性的像素被称为边缘点。当图像中各个像素的灰度级用来反映各像素符合边缘像素要求的程度时，这种图像就称为边缘图像或边缘图
f边缘检测算子（重点）
其模板为：10010110
模板如下：101
f101
202
101
21
00
21
这是一个与边缘方向无关的边缘检测算子。通常可以采用数字化方式，用下面的模板来实现：010141010111181111
533
503
533
555
303
333
335
305
335
333
303
555
5
5
3
f53
03
33
333
503
553
333
305
355
355
305
333
24442
40804
482484
40804
24442
他喵的复杂，看不懂。
模板如下：
111
121
111
111
121
111
111
121
111
111
121
111
f111
121
111
111
121
111
111
121
111
111
121
111
1Roberts算子Roberts算子利用局部差分算子寻找边缘，边缘定位精度较高，但容易丢失一部分边缘信息，同时由于没经过图像平滑计算，因此不能抑制噪声。该算子对具有陡峭的低噪声图像响应最好。2Sobel算子和Prewitt算子Sobel算子和Prewitt算子都是对图像进行差分和滤波运算，差别只是平滑部分的权值有些差异，因此对噪声具有一定的抑制能力，但不能完全排除检测结果中出现伪边缘。同时这2个算子边缘定位比较准确和完整。该类算子对灰度渐变和具有噪声的图像处理结果较好。3Krisch算子该算子对八个方向边缘信息进行检测，因此具有较好的边缘定位能力，并且对噪声有一定的抑制作用，就边缘定位能力和抗噪声能力来说，该算子的处理效果比较理想。4Laplacia
算子
f拉普拉斯算子为二阶微分算子，对图像中的阶跃状边缘点定位准确且具有旋转不变性，即无方向性，但是该算子容易丢失一部分边缘的方向信息，造成一些不连续的检测边缘，同时抗噪声能力比较差。拉普拉斯算子比较适用于屋顶型边缘的检测。5MarrHildreth算子MarrHildreth算子首先通过高斯函数对图像作平滑处理，因此对噪声的抑制作用比较明显，但同时也可能将原有的边r