邊緣檢測算法有什么優缺點？
轉載于 邊緣檢測 算法各自優缺點 邊緣 提取其實也是一種濾波，不同的 算子 有不同的提取效果。 比較 常用的方法有三種， Sobel算子 ，Laplacian 算子 ， Can ny 算子 。 Sobel算子檢測 方法對灰度漸變和噪聲較多的圖像處理效果較好， sobel算子 對 邊緣 定位不是很準確，圖像的 邊緣 不止一個像素；當對精度要求不是很高時，是一種較為常用的 邊緣檢測 方法。
邊緣檢測模板的作用是什么？
邊緣大致可以分為兩種，一種是階躍狀邊緣，邊緣兩邊像素的灰度值明顯不同；另一種為屋頂狀邊緣，邊緣處于灰度值由小到大再到小的變化轉折點處。 邊緣檢測的主要工具是邊緣檢測模板。 我們以一個一維模板為例來考察邊緣檢測模板是如何作用的。 假設有一個模板 和一幅圖象 可以看出，圖象中左邊暗，右邊亮，中間存在著一條明顯的邊緣，是一個典型階躍狀邊緣。 使用模板 進行模板操作后，結果如下 可以看出，邊緣檢測后的圖象在原圖象暗亮邊緣處的灰度值高很多。 觀察時，就能發現一條很明顯的亮邊，其他區域都很暗，這樣就起到了邊緣檢測的作用。 模板的作用是將右鄰點的灰度值減去左鄰點的灰度值作為該點的灰度值。
什么是圖像邊緣檢測？
邊緣檢測是圖像處理和計算機視覺中，尤其是特征提取中的一個研究領域。 圖像邊緣檢測大幅度地減少了數據量，并且剔除了可以認為不相關的信息，保留了圖像重要的結構屬性。 有許多方法用于邊緣檢測，它們的絕大部分可以劃分為兩類：基于查找一類和基于零穿越的一類。 基于查找的方法通過尋找圖像一階導數中的最大和最小值來檢測邊界，通常是將邊界定位在梯度最大的方向。 基于零穿越的方法通過尋找圖像二階導數零穿越來尋找邊界，通常是Laplacian過零點或者非線性差分表示的過零點。 人類視覺系統認識目標的過程分為兩步:首先，把圖像邊緣與背景分離出來;然后，才能知覺到圖像的細節，辨認出圖像的輪廓。 計算機視覺正是模仿人類視覺的這個過程。
如何檢測強邊緣和弱邊緣？
優點在于，使用兩種不同的閾值分別 檢測 強 邊緣 和弱 邊緣 ，并且當弱 邊緣 和強 邊緣 相連時，才將弱 邊緣 包含在輸出圖像中。 La 圖像方面的特征提取大多從 邊緣 開始，然后不斷向上構成更高層次的特征描述 邊緣 和物體的邊界并不等同， 邊緣 指的是圖像中像素的值有突變的地方，而物體間的邊界指的是現實場景中的存在于物體之間的邊界。