文档介绍：边缘与轮廓
边缘是不同区域的分界线，是图像局部强度变化最显著的那些像素的集合。
图像强度的显著变化可分为：
(1) 阶跃变化（函数），即图像强度在不连续处的两边的像素灰度值有着显著的差异；
(2) 线条（屋顶）变化（函数），即图像强度突然从一个值变化到另一个值，保持一较小行程后又回到原来的值．
边缘主要存在于目标与目标、目标与背景、区域与区域(包括不同色彩)之间，
边缘检测
当人看一个有边缘的物体时,首先感觉到的便是边缘.
在边缘处，,也是另一个区域的开始,利用该特征可以分割图像.
由于图像数据是二维的,而实际物体是三维的,从三维到二维的投影必然会造成信息的丢失,再加上成像过程中光照的不均和噪声等因素的影响,使得有边缘的地方不一定能被检测出来,而检测出来的边缘也不一定代表实际边缘.
图像的边缘有方向和幅度两个属性,沿边缘方向像素变化平缓,,通常用一阶或二阶导数来检测边缘.
边缘检测边缘是位于两个区域的边界线上的连续像素集合
理想数字边缘模型
轮廓是物体在场景中的完整边界．
边缘的连接构成轮廓.
术语定义
边缘点：在亮度显著变化的位置上的点．
边缘段：对应于边缘点坐标及其方位．
轮廓：边缘列表或一条表示边缘列表的拟合曲线．
边缘连接：从无序边缘表形成有序边缘表的过程．
边缘跟踪：一个用来确定轮廊的图像搜索过程．
边缘检测器：从图像中抽取边缘集合的算法
实现边缘检测有两种方法
一阶导数法：用梯度算子来计算
二阶导数法：用拉普拉斯算子来计算
边缘检测
斜坡部分与边缘的模糊程度成正比.
斜坡数字边缘模型
一阶导数可以用于检测图像中的一个点是否在斜坡上.
.
(1)对图像中的每条边缘二阶导数生成两个值
(2).
0交叉点
两种常见的边缘一阶导数和二阶导数示意图
(a)阶跃函数　　　(b)线条（屋顶）函数
理论曲线
实际曲线
一阶导数
二阶导数
图像
水平方向剖面
一阶导数
二阶导数
阶梯状－处于图像中2个具有不同灰度值的相邻区域之间
脉冲状－对应细条状的灰度值突变区域
屋顶状－上升下降沿都比较缓慢
一阶导数在图像由暗变明的位置处有1个向上的阶跃，而其它位置都为0，这表明可用一阶导数的幅度值来检测边缘的存在，幅度峰值一般对应边缘位置
二阶导数在一阶导数的阶跃上升区有1个向上的脉冲，而在一阶导数的阶跃下降区有1个向下的脉冲，在这两个脉冲之间有1个过0点，它的位置正对应原图像中边缘的位置，所以可用二阶导数的过0点检测边缘位置，而用二阶导数在过0点附近的符号确定边缘象素在图像边缘的暗区或明区
对(a、b)而言
对(c)而言，脉冲状的剖面边缘与(a)的一阶导数形状相同，所以(c)的一阶导数形状与(a)的二阶导数形状相同，而它的2个二阶导数过0点正好分别对应脉冲的上升沿和下降沿，通过检测脉冲剖面的2个二阶导数过0点就可确定脉冲的范围
对(d)而言，屋顶状边缘的剖面可看作是将脉冲边缘底部展开得到，所以它的一阶导数是将(c)脉冲剖面的一阶导数的上升沿和下降沿展开得到的，而它的二阶导数是将脉冲剖面二阶导数的上升沿和下降沿拉开得到的，通过检测屋顶状边缘剖面的一阶导数过0点，可以确定屋顶位置
基本思想：
函数导数反映图像灰度变化的显著程度．
一阶导数的局部极大值，二阶导数的过零点
一般过程：
去噪增强检测定位
边缘检测