上一期：医学图像处理——图像边缘检测（一）——掩模的概念、点检测、线检测
“所谓边缘检测，那么大家对“边缘”的概念还了解吗？而对数字图像进行一般边缘检测的步骤又是什么呢？今天就带大家一起去解决这两个问题！”
边缘检测是基于灰度突变来分割图像的最常用的办法。
图像分析和理解的第一步也常常是边缘检测，我们从介绍边缘建模的方法开始，来探索边缘检测的奥义。
边缘模型
图像的大部分信息都存在于图像的边缘中，主要表现为图像局部特征的不连续性，即图像中灰度变化比较剧烈的地方。因此 ,我们把边缘定义为图像中灰度发生急剧变化的区域边界。根据灰度变化的剧烈程度, 通常将边缘划分为台阶模型，斜坡模型，屋顶模型。
然而实际中，数字图像都是被模糊且带有噪声的图像，故台阶模型会更接近于斜坡模型。
下图为斜坡模型的一阶导数与二阶导数。
我们可观察到，一阶导数的幅度可用于检测图像中某个点是否存在一个边缘，同样，二阶导数的符号可用于确定一个边缘像素位于该边缘的暗一侧或亮一侧。
然而实际中，数字图像是被模糊且带有噪声的，我们给斜坡类型边缘加上均值为零，标准差为0.01、0.1、10.0个灰度级的随即高斯噪声。
（调用imnoise函数对图像进行加噪：
J1=imnoise(I,’guassian’,0,0);
J2=imnoise(I,’guassian’,0,0.01);
J3=imnoise(I,’guassian’,0,100);）
即得到下图
（第一列为噪声污染的斜坡边缘图像与灰度剖面；第二列为一阶导数和灰度剖面；第三列为二阶导数和灰度剖面）
边缘检测步骤
如预想的，噪声对于一阶导数与二阶导数的影响是很大的，况且这两个参数是边缘检测中重要的特性，所以，这就是我们进行边缘检测之前的第一个非常重要的步骤：去噪！如此，我们引出边缘检测的步骤：
(1)图像滤波
由于边缘检测算法是基于图像亮度的一阶和二阶导数，而导数的计算对噪声很敏感，故必须使用滤波器来改善与噪声有关的边缘检测器的性能。
(2)图形增强
增强边缘的基础是确定图像各点邻域强度的变化值，增强算法可以将邻域强度值有显著变化的点突出显示。
(3)图像检测
在图像中有许多点的梯度幅值比较大, 而这些点在特定的应用领域中并不都是边缘, 应该用某些方法来确定那些是边缘点。最简单的边缘检测判据是梯度幅值阈值判据。
(4)图像定位
如果某一应用场合要求确定边缘位置，则边缘的位置可以在子像素分辨率上来估计，边缘的方位也可以被估计出来。
到这我相信各位已经知道什么是边缘了！
什么是边缘检测的一般步骤了！我们先将大树的主干学好才能更好的把我枝叶呀！加油！奥利给！
关注公众号“医电小白的进阶之路”，查看更多干货！
