常用边缘检测算法分析与比较研究
摘要：
随着计算机视觉技术的不断发展，其在各行各业得到了广泛的应用。而边
缘提取技术是计算机视觉技术的一个基本的核心的技术，因为边缘包含着图像
的重要信息，边缘提取的效果在一定程度上也影响着后面进一步处理的精度和
性能。本文分析和比较了一些经典的边缘及爱你侧算子，然后对其中的不足和
缺陷，提出了一种改进 Canny 的算法，实验结果表明，改进算法并使得边缘提
取的效果在一定程度上得到了改善。
1 概述
1.1 . 研究的目的和意义
数字图像处理技术的迅猛发展，其应用前景得到了不可限量的扩展，如今
各行各业都在积极发展与图像相关的技术。其应用逐渐凸显其魅力，其应用如
医学影像、航天航空、无人驾驶、自动导航、工业控制、导弹制导、文化艺术
等。边缘检测技术在图像处理和计算机视觉等领域骑着重要的作用，是图像分
析、模式识别、目标检测与分割等的前期处理。前期边缘检测的好坏，直接影
响后期更高级处理的精度。自从 1986 年 John Canny 提出了最优边缘检测算子的
三条准则并推导出了一个近似实现。但是在实际中，真正实现这一目标尚有较
大的难度。这是因为：（1）实际图像一般都含有噪声，并且噪声的分布信息业
是未知的，同时噪声和边缘都属于高频信息，在进行滤波的同时，虽然能够在
一定程度上抑制噪声，却也丢失了边缘信息。（2）由于场景、光照条件的边缘
等原因，同一场景在不同光照条件下得到的边缘可能也是不同的，设置的阈值
也可能是不同的。针对这些问题，如何进行改进，并得到一种较理想的边缘检
测算子是有必要的。
1.2. 本文的框架结构
本论文的第一部分主要是介绍了本课题研究的目的和意义；第二部分主要
是对边缘检测进行概述，并对经典的边缘检测算子进行了分析和比较；；第三
部分进行了实验对比和分析，得出结论。
2. 边缘检测概述
2.1 边缘的定义
首先介绍什么是边缘。在数字图像中，边缘是指图像局部变化最显著的部
分，边缘主要存在于目标与目标，目标与背景之间，是图像局部特性的不连续
性，如灰度的突变、纹理结构的图标、颜色的图标等。尽管图像的边缘点产生
的原因各不相同，但他们都是图形上灰度不连续或灰度几句辩护的点，图像边
缘分为阶跃状、斜坡状和屋顶状。
2.2 边缘检测的基本方法
