图像分析中的边缘检测是如何工作的？

边缘本质：物体边界、纹理、阴影线处像素强度不连续；

一阶微分

• Sobel/Prewitt：3×3 卷积近似 $G_x, G_y$，幅值 $=sqrt{G_x^2+G_y^2}$
• 对噪声敏感，常先高斯平滑

二阶微分

• Laplacian：零交叉点定位边缘，对噪声更敏感

Canny 算法（1986 金标准）

1. 高斯去噪
2. 计算梯度幅值与方向
3. 非极大值抑制（细化边缘）
4. 双阈值 + 滞后连接（强边缘保留、弱边缘视连通性）

应用

• 轮廓提取、形状分析
• 传统检测 pipeline（Hough 变换）
• 医学影像结构增强
• CNN 浅层卷积核可视化常类似 Gabor/边缘

局限：纹理也会产生边缘

边缘本质：物体边界、纹理、阴影线处像素强度不连续。

一阶微分

• Sobel/Prewitt：3×3 卷积近似 $G_x, G_y$，幅值 $=sqrt{G_x^2+G_y^2}$
• 对噪声敏感，常先高斯平滑

二阶微分

• Laplacian：零交叉点定位边缘，对噪声更敏感

Canny 算法（1986 金标准）

1. 高斯去噪
2. 计算梯度幅值与方向
3. 非极大值抑制（细化边缘）
4. 双阈值 + 滞后连接（强边缘保留、弱边缘视连通性）

应用

• 轮廓提取、形状分析
• 传统检测 pipeline（Hough 变换）
• 医学影像结构增强
• CNN 浅层卷积核可视化常类似 Gabor/边缘

局限：纹理也会产生边缘；光照阴影假边缘；深度学习端到端常隐式学习更好表示。

实践用 OpenCV Canny()。详见 图像处理基础。