第1章 · 边缘检测概述
从像素到边界，计算机视觉的第一道门槛
1.1 什么是边缘检测
边缘检测是图像处理与计算机视觉中最基础、最核心的任务之一。它旨在识别图像中亮度、颜色或纹理发生剧烈变化的像素位置，这些位置通常对应物体的轮廓、表面边界或场景中的不连续处。
💡 直观理解： 边缘就是图像中“信号突变”的地方。想象一张黑白棋盘，黑白方格交界处就是边缘。边缘检测算法输出一张边缘图（edge map），其中每个像素代表原图在该点的“边缘强度”。
1.2 边缘检测的应用领域
边缘检测早已渗透到现代科技系统的方方面面，以下三个领域最具代表性：
| 领域 | 典型应用 | 边缘检测的作用 |
|---|---|---|
| 🚗 自动驾驶 | 车道线检测、行人识别、障碍物感知 | 提取道路边界、车辆轮廓，为决策提供几何线索 |
| 🏥 医学影像 | CT/MRI 中的器官分割、肿瘤边界勾画 | 辅助医生定位病灶，量化组织边界 |
| 🏭 工业检测 | PCB 缺陷检测、零件尺寸测量、表面划痕识别 | 快速定位异常边缘，实现自动化质检 |
1.3 课程目标与学习路径
本课程从经典梯度算子出发，逐步深入到Canny、形态学、霍夫变换，最后结合深度学习与综合项目。你将收获：
- ✅ 掌握 8 种以上边缘检测算子的原理与代码实现
- ✅ 理解非极大值抑制、双阈值连接等核心机制
- ✅ 能够针对不同场景（噪声、光照、纹理）选择最优算法
- ✅ 完成工业级综合项目：文档OCR、医学边界分割、质检流水线
📌 学习路径建议： 第1–7章夯实梯度基础 → 第8–14章掌握Laplacian与Canny → 第15–20章进阶形态学与轮廓 → 第21–25章霍夫与行业应用 → 第26–30章深度学习与实战。