参考链接

一、前言

传统图像分割算法主要依靠的是图像灰度值的两个特性：不连续性和相似性

1. 不连续性：以灰度突变为基础分割一副图像，比如图像边缘；（边缘两侧的灰度一般是截然不同的）
2. 相似性：根据一组预定义的准则将图像分割为相似的区域，比如阈值处理，区域生长，区域分裂，区域聚合。

二、点、线和边缘检测

点线和边缘通过利用图像灰度的局部变化来检测，而局部变化则用导数来检测。

图a是一副图像，分别包括不同的实心物体、一条线与单个噪声点。从图像垂直方向上的中心拉一条水平线，分别记录水平线上的灰度值，就得到图b的灰度变化曲线，为了简化情况，我们把灰度级定成8级，由图c可以很清晰的看到水平线上不同点对应的灰度级。

其中斜坡横跨4个像素，而噪声（图像中间位置的那个很暗的点）则是单个像素，线为三个像素粗，灰度台阶过渡发生在邻接像素间。

 （个人理解：这里的一阶导数的‘粗’边缘应该指的是，斜坡区域对应的像素点，一阶导数都是-1，而其他区域都是0）

 （指孤立点处，一阶导数为-6，二阶导数为-12）

 孤立点的检测

（拉普拉斯模板暂时没懂，以后再说） 

 （图中2的方向是什么，就是检测哪个方向的线？？？）

基本边缘检测：

参考链接