20世纪20年代，一张由Bartlane系统经海底电缆传送的新闻图片揭开了数字图像处理的序幕。随后这项技术不断更新发展，在航天航空，医学等领域都取得了性的发展，为人类探索未知宇宙以及生理疾病的治疗和预防做出了不可磨灭的贡献。同时，这项技术自然而然的和计算机一同发展，从1946年第一台电子计算机到60年代，人们通过第三代计算机进行图像的增强和复原工作，再到70年代人们运用于的医学和遥感图片，以及80年代，我们现在所熟知的3D图像获取设备以及分析系统得到开辟和发展。如今，计算机图像处理技术已然渗透到人类生活的各个方面，如：生物化学，生物医学，军事，法律，气象，通信，环保，地质等等，可以说，数字图像处理已成为人类不可分割的一门重要科学。

2 图像轮廓提取方法

为了达到生成更适合人观察的图像或者是寄望能由计算机自动识别甚至理解图像的目的，我们会对图像进行数字图像处理。其中，对包含有复杂景物信息的图像进行分解是图像处理中最为重要的一步，我们需要对具有特点的图像信息进行攫取。图像最基础的特征就是图像的边缘。

图像中周边像素灰度有屋顶状变化或阶跃变化的像素的集合即为边缘，是图像的最显而易见的特征。它主要存在于目标与目标、目标与背景、基元与基元之间。边缘可以区分为两种：阶跃性边缘和屋顶状边缘，前者两边的像素灰度值有明显的区别，二阶方向导数在边缘处显示为零交叉；后者位于灰度值从增加至减少的转折处，二阶方向导数在边缘处取极值。   

图2-1 几种类型边缘的截面图

(a)理想阶跃式 (b)斜升和斜降式 (c)脉冲式 (d)屋顶式

边缘检测技术是计算机视觉和图像处理等领域最基础的技术。基于边缘提取的分割法首先检测边缘像素，再将边缘像素连接起来构成便捷形成分割。边缘可以定义为图像局部特性的不连续性，如灰度的突变，颜色的突变，纹理结构的突变等。边缘通常表示一个区域的终结和另一个区域的开始。它对图像识别和分析十分有用：能勾画出目标物体轮廓，使观察者能够一看便知；图像识别中抽取的重要属性是图像中包括在内的诸多信息，如形状，方向，阶跃性质等。 

2。1 经典算法

当今一阶导数的幅度值可用于来检测边缘是否存在，幅度峰值在通常情况下对应边缘位置。二阶导数的过零点可用于检测边缘位置，二阶导数在过零点附近的符号可用于确定边缘像素在图像边缘的暗区或名区。当今流行的边缘检测算法是基于微分方法，其依据是图像的边缘对应一阶导数的极大值点和二阶导数的过零点(只在没有噪声的情况下得以成立)。在有噪声时，若不对图像进行平滑滤波，使用微分算子时会容易将噪声点误检测为虚假轮廓。下面列举几种典型的边缘检测算子。

梯度是一个向量， 表示出灰度变化最快的数量和方向。最为简单的边缘算子即用图像的垂直和水平差分来逼近梯度算子：

 [18]           (2-1)

2。1。1 Roberts算子

Roberts 边缘检测算子与梯度算子检测边缘的方法类似,但其效果较梯度算子略好，其模板如图2-2所示。

其f ( x , y) 是具有整数像素坐标的输入图像,平方根处理意在模拟在人类视觉系统中进行的过程。

图2-2 Roberts算子

2。1。2 Sobel算子

在边沿检测中，人们常用Sobel 算子作为模板。有两种Sobel算子，一个是检测水平边沿的；另一个则用于检测垂直平边沿。