迟慧智，田宇

（工业和信息化部电子第五研究所，广东 广州 511370）

0 引言

随着科技的不断发展和计算机的广泛普及，图像处理技术越来越多地被应用于工业生产和日常生活的各个领域中，而作为其中的重要内容，图像边缘检测技术也成为近些年的研究重点和热点。图像边缘是图像区域属性突变的地方，即有不同灰度属性的区域之间的灰度分割线[1]，也是图像中信息最集中的地方，在一定条件下包含原图像的所有信息[2]。因此图像的边缘检测与提取效果优劣，对后续的图像处理至关重要[3]。

目前研究人员提出了许多图像边缘检测的相关算法，这些算法各有优缺点；同时，因为图像本身存在较大的差异，使得各个算法不能对所有的图像实现一样的效果。本文通过比较经典算法、深度学习边缘检测算法和新兴边缘检测等算法，分析了这些算法的优缺点和适用范围，并探讨了边缘检测算法在图像处理领域的新进展和新应用。

1 经典边缘检测算法

经典边缘检测算法可分为一阶微分算子（Roberts 算子、Sobel 算子、Prewitt 算子和Kirsch算子等）和二阶微分算子（Laplacian 算子、LoG算子和Canny 算子等）。其中，一阶微分算子中的Sobel 算子、Prewitt 算子和Kirsch 算子是以Roberts算子为基础发展而来的。

Roberts 算子通过对角线方向相邻两像素之差近似梯度幅值检测边缘，是一种利用局部差分算子寻找边缘的算子，其卷积模板为：

该算子以相邻像素之差近似梯度，计算公式如下所示：

梯度大小用像素强度表示，梯度幅值计算为：