目前，图像边缘检测技术已经广泛的应用于卫星，导航，监控等系统中，本设计由五种算法组成：Robert算子，Laplacian算子，Prewitt算子，Canny算子以及Sobel算子。如下图，它的设计框图3-1：

1.先将原图输入进系统，分别利用Robert算子，Laplacian算子，Prewitt算子，Canny算子以及Sobel算子五种算子进行边缘检测；

2.接着再显示五种算法下边缘检测前后的效果图；

3.观察五种算法下边缘检测的增强效果

图像边缘是图像最基本的特征，边缘在图像分析中起着重要的用。所谓边缘（edge）是指图像局部特征的不连续性。灰度或结构信息的突变称为边缘，例如：灰度级的突变、颜色的突变、纹理结

的突变。边缘是一个区域的结束，也是另一个区域的开始，利用该征可以分割图像。

当人们看一个有边缘  的物体时，首先感觉到的便是边缘，如

一条理想的边缘应该具有如图2.1(a) 所示模型的特性。每个像素都处在灰度级跃变的一个垂直的台阶上（例如图形中所示的水平线通过图像的灰度剖面图）。 而实际上，诸如图像采集系统的性能、采样频率和获得图像的照明条件等因素的影响，得到的边缘往往是模糊的，边缘被模拟成具有

“斜坡面”的剖面，如图2.1(b) 所示，在这个模型中不再有细线（宽为一个像素的线条），而是出现了边缘的点包含斜坡中任意点的情况。由此可以看到：模糊的边缘使边缘的“宽度”较大，面清晰的边缘使边缘的宽度较小。图像的边缘有方向的幅度两个属性，沿边缘方向像素变化平缓，垂直于边缘方向像素变化剧烈。边缘上的这种变化可以用微分算子检测出来，通常用一阶导数或二阶导数来检测边缘，不同的是一阶导数认为最大值对应边缘位置，而二阶导数以过零点对应边缘位置。实际上，对于图像中的任意方向上的边缘都可以进行类似的分析。图像边缘检测中对任意点的一阶导数可以利用该点梯度的幅度来获得，二阶导数可以用拉普拉斯算子得到。