突显图像特征：边缘和角点定位

一直以来，边缘提取都是机器视觉中的一个非常活跃的领域。本章中，我们将探讨：对边缘和角点的检测和定位。边缘是指：图像中亮度（或亮度关于空间位置的导数）发生快速变化的（点所构成的）曲线。两条或多条曲线的汇聚点称为角点。我们之所以对边缘和角点感兴趣，是因为它们反映出关于被成像物体表面的一些重要信息。这些发生亮度快速变化的地方可能是：物体表面的朝向发生不连续变化的地方、物体之间相互遮挡的地方、产生阴影线的地方、物体表面的反射性质发生不连续变化的地方。对于每种情况，我们都希望定位出：图像亮度（或其导数）发生不连续变化的地方，从而了解被成像物体的相应特征。

本章中，我们将展示：如何使用微分算子来突显出这些特征，进而帮助我们定位图像中的边缘片段。在此基础上，我们将进一步展示：如何提取图像中的角点。边缘检测可以被看作是图像分割的补充，因为我们可以使用边缘来将图像分割为：对应于场景中不同物体的各个区域。角点则可以很好地描述出图像之间的运动变化特征，在介绍光流算法时，我们还会反复提到这一点。(www.xing528.com)

最后，需要指出的是^[1]：将方向导数算子用来进行边缘检测的方法由D.Marr在1976年首次提出。后来，他断言：具有旋转对称性的算子是最优的。当下盛行的关于早期视觉的很多观点，在很大程度上都受到Marr的影响。本章中，我们在给出方法和结论前，会简要回顾一下前人的开创性思想和工作。