边缘检测是图像处理与计算机视觉中极为重要的一种分析图像的方法，至少在我做图像分析与识别时，边缘是我最喜欢的图像特征。边缘检测的目的就是找到图像中亮度变化剧烈的像素点构成的集合，表现出来往往是轮廓。如果图像中边缘能够精确的测量和定位，那么，就意味着实际的物体能够被定位和测量，包括物体的面积、物体的直径、物体的形状等就能被测量。在对现实世界的图像采集中，有下面4种情况会表现在图像中时形成一个边缘。

1. 深度的不连续（物体处在不同的物平面上）；

2. 表面方向的不连续（如正方体的不同的两个面）；

3. 物体材料不同（这样会导致光的反射系数不同）；

4. 场景中光照不同（如被树萌投向的地面）；

       上面的图像是图像中水平方向7个像素点的灰度值显示效果，我们很容易地判断在第4和第5个像素之间有一个边缘，因为它俩之间发生了强烈的灰度跳变。在实际的边缘检测中，边缘远没有上图这样简单明显，我们需要取对应的阈值来区分出它们。

原图	Roberts边缘	Prewitt边缘
Sobel边缘	Log边缘	Canny边缘

具体理论参考一下博文：

https://www.cnblogs.com/ronny/p/4001910.html