边缘和轮廓检测

边缘和轮廓检测旨在图像中强度急剧变化的区域定位边界，这些区域通常对应于物体的轮廓和表面不连续性。

Definition

边缘是局部强度显著变化的位置，边缘检测是识别这些位置的过程，通常通过分析图像梯度或平滑后的二阶导数的过零点来实现。

Scope

本主题涵盖基于梯度的边缘算子、微分前平滑的作用、带有非极大值抑制和滞后阈值处理的多阶段Canny检测器、过零点方法，以及将边缘点连接成连续轮廓。

Core questions

• 图像中强度在哪里发生骤变？
• 如何使微分对噪声具有鲁棒性？
• 如何将较厚的梯度响应细化为单像素边缘？
• 如何将孤立的边缘点连接成有意义的轮廓？

Key concepts

• 图像梯度
• 梯度算子
• 非极大值抑制
• 滞后阈值处理
• 高斯-拉普拉斯算子和过零点
• 轮廓连接

Key theories

Canny边缘检测

Canny检测器根据良好检测、良好定位和每条边缘单一响应的标准推导而来，它对图像进行平滑处理，计算梯度，抑制非极大值响应，并通过滞后阈值处理连接边缘，至今仍是一个标准基线。

Marr-Hildreth过零点

边缘位于高斯平滑图像的拉普拉斯算子的过零点处，将边缘检测与早期视觉的计算理论和多尺度分析联系起来。

Clinical relevance

边缘和轮廓检测为分割、形状分析和物体识别提供基础，并应用于医学成像、工业检测以及计算机视觉中的特征提取流程。

History

Marr和Hildreth在1980年提出的理论将边缘与平滑拉普拉斯算子的过零点联系起来，而Canny在1986年提出的最优检测器公式成为最广泛使用的边缘检测器，后来又得到了学习型边界检测器的补充。

Key figures

• John Canny
• David Marr
• Ellen Hildreth

Seminal works

• canny1986
• marr1980

Frequently asked questions

为什么在检测边缘之前要对图像进行平滑处理？

微分会放大噪声，因此首先进行平滑处理可以防止检测器将噪声标记为边缘；平滑尺度决定了哪些尺寸的细节被视为边缘。

Canny检测器为什么有多个阶段？

每个阶段处理一个独立的目标：平滑控制噪声，梯度计算找到候选点，非极大值抑制将其细化为单像素边缘，滞后阈值处理仅在与强边缘连接时保留弱边缘。