图片边缘检测论文背景 传统边缘检测方法及理论基础是什么？
传统边缘检测方法及理论基础是什么？
2013 届毕业设计（论文） 传统边缘检测方法及理论基础2.1 数字图像边缘检测的现状与发展 在数字图像处理中，边缘特征是图像的重要特征之一，是图像处理、模式识别和计 算机视觉的重要组成部分之一，图像边缘检测的结果直接影响进一步图像处理、模式识 别的效果。 近几十年来，图像边缘检测技术成为数字图像处理技术重要研究课题之一，随着科 学技术的发展，研究人员提出了很多图像边缘检测方法及边缘检测效果的评价方法，并 且将这些边缘检测技术应用于计算机视觉和模式识别工程领域，使得边缘检测技术的应 用范围越来越广，图像的边缘一般是图像的灰度或者颜色发生剧烈变化的地方，而这些 变化往往是由物体的结构和纹理，外界的光照和物体的表面对光的反射造成的。
图像的边缘是什么？
图像的 边缘反映了物体的外观轮廓特征，是图像分析和模式识别的重要特征，数字图像处理技 术是一门交叉学科，数学理论、人工智能、视觉生理学和心理学等各种理论为边缘检测 技术研究注入新的活力，涌现出很多边缘检测理论和方法。 根据边缘检测所处理的图像 类型，可分为两大类：灰度图像边缘检测方法和彩色图像边缘检测方法。
什么是边缘检测判据？
最简单的边缘检测判据是梯度幅值阈值判据。 ④定位：如果某一应用场合要求确定边缘位置，则边缘的位置可在子像素分辨率上来估计，边缘的方位也可以被估计出来。 在边缘检测算法中，前三个步骤用得十分普遍。 这是因为大多数场合下，仅仅需要边缘检测器指出边缘出现在图像某一像素点的附近，而没有必要指出边缘的精确位置或方向。 1.导数 ，连续函数上某点斜率，导数越大表示变化率越大，变化率越大的地方就越是“边缘”，但是在计算机中不常用，因为在斜率90度的地方，导数无穷大，计算机很难表示这些无穷大的东西。 2.微分 ，连续函数上x变化了dx，导致y变化了dy，dy值越大表示变化的越大，那么计算整幅图像的微分，dy的大小就是边缘的强弱了。
什么是基本边缘检测算法？
在介绍完滤波的知识后，学习基本边缘检测算法是一件很轻松的事情，因为边缘检测本质上就是一种滤波算法，区别在于 滤波器的选择 ，滤波的规则是完全一致的 为了更好理解边缘检测算子，我们引入 梯度 (gradient) 这一概念，梯度是 人工智能 (artificial intelligence) 非常重要的一个概念，遍布 机器学习 、 深度学习 领域，学过微积分的同学应该知道一维函数的一阶微分基本定义为：