是图像中灰度变化较剧烈的地方，也即我们通常所说的信号发生奇异变化的地方。通常沿边缘走向的像素变化平缓，而垂直于边缘走向的像素变化剧烈。图像的边缘有方向和幅度两个特性。按照幅度的变化，边缘可粗略分为两种一种是阶跃型边缘，它两边象素的灰度值有显著不同；另一种是屋顶状边缘，它位于灰度值从增
f加到减少的变化的转折点。图11给出这两种边缘的示意图。
a阶跃型边缘
b屋顶状边缘图11边缘类型
边缘检测就是要检测出图像中这种灰度的不连续性，同时确定它们在图像中的精确位置，是在局部区域上针对“点”的一种运算，表
现为一种典型的信号处理问题。在图像处理、模式识别和计算机视觉
中，图像的边缘检测具有极其重要的意义。在大量的视觉模块计算中，
边缘检测通常是视觉计算的第一步，高层次计算机视觉处理的成功与
否极大地依赖于边缘检测算子的优越性能。
12图像边缘检测的发展现状
图像的边缘检测有着很长的研究历史，学术思想非常活跃，新理论、新方法不断涌现，一直是国内外图像处理领域研究的热点，目前为止己经提出了许多方法和理论。至今提出的关于边缘检测的方法和理论尚存在不足之处，在某些具体情况下仍然无法很好的检测出目标物体的边缘，难以找到一种普遍适应性的边缘检测方法。因此，根据具体的应用要求设计新的边缘检测方法，或对现有的方法进行改进以得到满意的边缘检测结果，这些依然是研究的主流方向。
f第二章边缘检测的基本原理
图像边缘是图像最基本的特征，边缘在图像分析中起着重要的作用。所谓边缘（edge）是指图像局部特征的不连续性。灰度或结构等信息的突变称为边缘，例如：灰度级的突变、颜色的突变、纹理结构的突变。边缘是一个区域的结束，也是另一个区域的开始，利用该特征可以分割图像。
当人们看一个有边缘的物体时，首先感觉到的便是边缘，如图21所示。
a理想边缘模型
b斜坡边缘模型
图21灰度级跃变的边缘模型
一条理想的边缘应该具有如图21a所示模型的特性。每个像素都处在灰度级跃变的一个垂直的台阶上（例如图形中所示的水平线通
过图像的灰度剖面图）。
而实际上，诸如图像采集系统的性能、采样频率和获得图像的照明条件等因素的影响，得到的边缘往往是模糊的，边缘被模拟成具有
“斜坡面”的剖面，如图21b所示，在这个模型中不再有细线（宽为一个像素的线条），而是出现了边缘的点包含斜坡中任意点的情况。
f由此可以看到：模糊的边缘使边缘的“宽度”较大，面清r