「邊緣檢測 (Edge Detection)」是電腦視覺和圖像處理領域中的一項基本技術。它的目標是識別圖像中亮度或顏色發生顯著變化的區域，這些區域通常對應於圖像中不同物體之間的邊界，或者物體表面上的不連續性（例如，陰影、紋理的變化）。
你可以將邊緣檢測想像成在複雜的圖像中找出物體的輪廓線。這些輪廓線往往包含了圖像中最重要的結構信息。
邊緣的重要性：圖像中的邊緣包含了關於物體形狀、大小、紋理和深度的重要信息。因此，邊緣檢測是許多高階電腦視覺任務的基礎，例如：
- 目標檢測與識別 (Object Detection and Recognition): 邊緣可以幫助提取物體的輪廓，從而更容易識別物體。
- 圖像分割 (Image Segmentation): 邊緣可以作為分割不同區域的依據。
- 特徵提取 (Feature Extraction): 邊緣本身可以作為一種重要的圖像特徵。
- 運動分析 (Motion Analysis): 追蹤邊緣的運動可以幫助分析物體的運動。
邊緣檢測的工作原理：
邊緣通常對應於圖像中像素強度的快速變化。邊緣檢測算法通過檢測圖像中像素強度的梯度（變化率）來尋找這些變化明顯的區域。梯度較大的地方通常被認為是邊緣。
常見的邊緣檢測算法：
- Sobel 算子 (Sobel Operator): 一種經典的邊緣檢測算法，它使用兩個 3x3 的卷積核，分別計算圖像在水平和垂直方向上的梯度。邊緣強度和方向可以根據這兩個方向的梯度計算出來。
- Prewitt 算子 (Prewitt Operator): 類似於 Sobel 算子，也使用一組卷積核來計算水平和垂直方向的梯度。
- Roberts 交叉算子 (Roberts Cross Operator): 使用兩個 2x2 的卷積核，計算圖像中對角方向的梯度。它對角線方向的邊緣更敏感。
- Laplacian 算子 (Laplacian Operator): 一種二階導數算子，用於檢測圖像中亮度變化的速率。它通常對噪聲比較敏感。
- Canny 邊緣檢測器 (Canny Edge Detector): 一種非常流行且效果較好的邊緣檢測算法，它包含多個步驟：
- 使用高斯濾波器平滑圖像，以減少噪聲。 計算圖像的梯度強度和方向。 應用非極大值抑制 (Non-Maximum Suppression)，以細化邊緣。 使用雙閾值 (Double Thresholding) 處理潛在的邊緣像素。 通過滯後閾值處理 (Hysteresis Thresholding) 來確定最終的邊緣。
- LOG 算子 (Laplacian of Gaussian): 首先使用高斯濾波器平滑圖像，然後應用 Laplacian 算子進行邊緣檢測。這種方法可以減少噪聲的影響。
邊緣檢測的輸出：
邊緣檢測算法的輸出通常是一個二值圖像，其中邊緣像素被標記為白色（或其他高亮顏色），而非邊緣像素被標記為黑色。
總之，邊緣檢測是電腦視覺中一項重要的基礎技術，它通過識別圖像中亮度或顏色快速變化的區域來提取物體的輪廓和結構信息，為後續的圖像分析和理解提供了關鍵的線索。
