1、“.....这特性上面图中处理模块和知识库间用双箭头表示。相反单头箭头连接处理模块。边缘检测边缘检测是图像处理和计算机视觉中术语，尤其在特征检测和特征抽取领域，是种用来识别数字图像亮度骤变点即不连续点算法。尽管在任何关于分割讨论中，点和线检测都是很重要，但是边缘检测对于灰度级间断检测是最为普遍检测方法。虽然些文献提过理想边缘检测步骤......”。

2、“.....相反，它们通常受到个或多个下面所列因素影响有限场景深度带来聚焦模糊非零半径光源产生阴影带来半影模糊光滑物体边缘阴影物体边缘附近局部镜面反射或者漫反射。个典型边界可能是例如块红色和块黄色之间边界与之相反是边线，可能是在另外种不变背景上少数不同颜色点。在边线每边都有个边缘。在对数字图像处理中，边缘检测是项非常重要工作。如果将边缘认为是定数量点亮度发生变化地方......”。

3、“.....为简化起见，我们可以先在维空间分析边缘检测。在这个例子中，我们数据是行不同点亮度数据。例如，在下面维数据中我们可以直观地说在第与第个点之间有个边界如果光强度差别比第四个和第五个点之间小，或者说相邻像素点之间光强度差更高，就不能简单地说相应区域存在边缘。而且，甚至可以认为这个例子中存在多个边缘......”。

4、“.....否则确定个用来判断两个相邻点之间有多大亮度变化才算是有边界阈值，并不是件容易事。实际上，这也是为什么边缘检测不是个简单问题原因之。有许多用于边缘检测方法，它们大致可分为两类基于搜索和基于零交叉基于搜索边缘检测方法首先计算边缘强度，通常用阶导数表示，例如梯度模然后，用计算估计边缘局部方向，通常采用梯度方向，并利用此方向找到局部梯度模最大值......”。

5、“.....通常用拉普拉斯算子或非线性微分方程零交叉点，我们将在后面小节中描述滤波做为边缘检测预处理通常是必要，通常采用高斯滤波。已发表边缘检测方法应用计算边界强度度量，这与平滑滤波有本质不同正如许多边缘检测方法依赖于图像梯度计算，他们用不同种类滤波器来估计方向和方向梯度旦我们计算出导数之后，下步要做就是给出个阈值来确定哪里是边缘位置......”。

6、“.....结果也就越容易受到图片噪声影响，并且越容易从图像中挑出不相关特性。与此相反，个高阈值将会遗失细或者短线段。如果边缘阈值应用于正确梯度幅度图像，生成边缘般会较厚，些形式边缘变薄处理是必要。然而非最大抑制边缘检测，边缘曲线定义十分模糊，边缘像素可能成为边缘多边形通过个边缘连接边缘跟踪过程。在个离散矩阵中，非最大抑制阶梯能够通过种方法来实现......”。

7、“.....个常用这种方法是带有滞后作用阈值选择。这个方法使用不同阈值去寻找边缘。首先使用个阈值上限去寻找边线开始地方。旦找到了个开始点，我们在图像上逐点跟踪边缘路径，当大于门槛下限时直纪录边缘位置，直到数值小于下限之后才停止纪录。这种方法假设边缘是连续界线，并且我们能够跟踪前面所看到边缘模糊部分......”。

8、“.....但是，我们仍然存在选择适当阈值参数问题，而且不同图像阈值差别也很大。其它些边缘检测操作是基于亮度二阶导数。这实质上是亮度梯度变化率。在理想连续变化情况下，在二阶导数中检测过零点将得到梯度中局部最大值。另方面，二阶导数中峰值检测是边线检测，只要图像操作使用个合适尺度表示。如上所述，边线是双重边缘，这样我们就可以在边线边看到个亮度梯度，而在另边看到相反梯度......”。

9、“.....为了找到这些边线，我们可以在图像亮度梯度二阶导数中寻找过零点。总之，为了对有意义边缘点进行分类，与这个点相联系灰度级变换必须比在这点背景上变换更为有效。由于我们用局部计算进行处理，决定个值是否有效选择方法就是使用门限。因此，如果个点二维阶导数比指定门限大，我们就定义图像中此点是个边缘点......”。