前面我们已经了解到关于边缘检测的相关技术问题，今天，中国机器视觉商城继续为您解读边缘检测的相关算法。
我们知道，数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域十分重要的基础，图像理解和分析的第一步往往就是边缘检测，目前边缘检测已成为机器视觉研究领域最活跃的课题之一，在工程应用中占有十分重要的地位。
图像的特征指图像场中可用作标志的属性，而图像的边缘是图像最基本的特征。在数字图像中，所谓边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。由于物体的边缘是由灰度不连续性所反映的，因此一般边缘检测方法是考察图像的每个像素在某个领域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律来检测边缘，这种方法通常称为边缘检测局部算子法。目前主要的几种经典的边缘检测算子有：
1、基于一阶微分的边缘检测算子，这其中包括Roberts算子，Sobel算子，Prewitt算子以及Krisch算子。该类算子，利用梯度最大值或对应于一阶微分幅度最大的方法提取边界。在算法实现过程中，通过2x2（Robert）或者3x3的模块作为核与图像中的每个像素点做卷积和运算，然后选取合适的阈值以提取边缘。
2、基于二阶微分算子，Laplacian边缘检测算子就是其中的代表，该算子利用二阶微分过零点的原理提取边界点。在算法实现过程中，也是通过3x3卷积核运算，选取合适的阈值以提取边缘。
3、基于最优化方法算子，这类方法的目的是根据信噪比求得检测边缘的最优化算子。现在常用的有Marr-Hildreth算子和Canny算子。