使用opencv的Laplacian算子实现图像边缘检测

1 边缘检测介绍

图像边缘检测技术是图像处理和计算机视觉等领域最基本的问题，也是经典的技术难题之一。如何快速、精确地提取图像边缘信息，一直是国内外的研究热点，同时边缘的检测也是图像处理中的一个难题。早期的经典算法包括边缘算子方法、曲面拟合的方法、模板匹配方法、阈值法等。

近年来，随着数学理论与人工智能技术的发展，出现了许多新的边缘检测方法，如Roberts、Laplacan、Canny等图像的边缘检测方法。这些方法的应用对于高水平的特征提取、特征描述、目标识别和图像理解有重大的影响。然而，在成像处理的过程中投影、混合、失真和噪声等会导致图像模糊和变形，这使得人们一直致力于构造具有良好特性的边缘检测算子。

1.1 什么是边缘检测

边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化，包括深度不连续、表面方向不连续、物质属性变化和场景照明变化。边缘检测特征是提取中的一个研究领域。图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性。

1.2 边缘检测的方法

人类视觉系统认识目标的过程分为两步：首先，把图像边缘与背景分离出来；然后，到图像的细节，辨认出图像的轮廓。计算机视觉正是模仿人类视觉的过程。

因此，在检测物体边缘时先对轮廓点进行粗略检测，然后通过链接规则把原来检测到的轮廓点连接起来，同时检测和连接遗漏的边界点及去除虚假的边界点。图像的边缘是图像的重要特征，是计算机视觉、模式识别等的基础，因此边缘检测是图像处理中一个重要的环节。然而，边缘检测是图像处理中的一个难题，因为实际景物图像的边缘往往是各种类型的边缘及它们模糊化后结果的组合，且实际图像信号存在噪声。噪声和边缘都属于高频信号，很难用频带做取舍。

边缘是指图像周围像素灰度有阶跃变化或屋顶状变