邊緣檢測是圖像處理、機器視覺和計算機視覺中的一種重要方法。

　　邊緣檢測是指當圖像亮度突然變化或更正式地說，出現不連續時，用于檢測數字圖像中的邊緣或曲線的一組數學技術。階躍檢測是識別一維信號中的不連續性的問題，而變化檢測是發現跨時間的信號不連續性的問題。在圖像處理、機器視覺和計算機視覺中，邊緣檢測是一項關鍵技術，尤其是在特征識別和提取領域。

　　檢測圖像亮度的急劇變化的目的是記錄世界特征的重大事件和變化。鑒于圖像生成模型的相對一般假設，圖像亮度的不連續性預計與深度不連續性、表面方向不連續性、材料特性變化和場景光波動相關。

　　在理想情況下，對圖像應用邊緣檢測器將產生一組鏈接曲線，這些曲線指示對象邊界、曲面標記邊界以及對應于曲面方向不連續性的曲線。對圖片應用邊緣檢測方法可以最大限度地減少必須處理的數據量，從而過濾掉不那么重要的信息，同時保留圖像的關鍵結構特征。如果邊緣檢測階段成功，則理解原始圖像中包含的信息的工作可以顯著簡化。然而，這種完美的邊緣并不總是可能從適度復雜的現實生活圖片中獲得。

　　從非平凡圖片恢復的邊緣通常會受到碎片的阻礙，碎片會導致邊緣曲線不相連、邊緣段缺失以及與圖像中重要事件不相關的假邊緣，從而使理解圖像數據的過程復雜化。邊緣檢測是圖像處理、圖像分析、圖像模式識別和計算機視覺方法中最基本的過程之一。

　　可以從三維場景的二維圖片中檢索視點相關或視點無關的邊。三維對象的固有特征，如表面標記和形狀，通常由透視無關的邊反映。場景的幾何體（例如相互遮擋的對象）通常由與透視相關的邊反射，該邊隨視點的變化而變化。

　　例如，紅色塊和黃色塊之間的邊界是典型的邊緣。另一方面，線條可以是在其他恒定背景上的少量可變色調像素（可以通過脊線檢測器檢索）。因此，在大多數情況下，線的兩側都可能有一條邊。

　　邊緣檢測可以通過多種方式進行，其中Prewitt邊緣檢測、Sobel邊緣檢測、Laplacian邊緣檢測和Canny邊緣檢測是最流行的方法。

　　Prewitt邊緣檢測

　　這是一種流行的邊緣檢測器，用于識別圖片中的水平和垂直邊緣。

　　Sobel邊緣檢測

　　這將使用強調過濾器中心的過濾器。它是最常用的邊緣檢測器之一，在降低噪聲的同時，還能提供識別和邊緣響應。

　　拉普拉斯邊緣檢測

　　拉普拉斯邊緣檢測器不同于前面提到的邊緣檢測器。這種技術只使用一個過濾器（也稱為內核）。拉普拉斯邊緣檢測在一次過程中執行二階導數，使其易受噪聲影響。在使用此方法之前，使用高斯平滑對圖片進行平滑，以避免對噪聲的敏感性。

　　Canny邊緣檢測

　　與許多其他方法相比，這是使用最廣泛、非常成功和復雜的方法。這是一種用于檢測和識別各種邊緣的多階段方法。Canny邊緣檢測方法的步驟如下所示。它將圖片轉換為灰度，消除噪聲（因為使用導數的邊緣檢測易受噪聲影響），計算梯度（有助于識別邊緣強度和方向），最后將圖像轉換為灰度。它使用非最大值抑制來縮小圖像的邊緣，使用雙閾值來檢測圖像的強、弱和無關像素，并使用滯后邊緣跟蹤來幫助將弱像素轉換為強像素（僅當它們被強像素包圍時）。