边缘检测是一种图像处理技术，用于在图像中寻找目标的边界。它的工作原理是检测图像亮度的变化。除了创建一个有趣的图像，边缘检测可以是一个伟大的预处理步骤的图像分割。

如果你用边缘创建了一个对象的边界，你可以填充它来检测对象的位置。如果你有两个互相接触的物体，你可以找到它的边缘，利用这个信息来分离物体。你也可以使用边缘来寻找基于纹理的对象，在某些情况下，基于颜色的分割可能不是很好。

让我们来看一个详细的例子，看看如何在MATLAB中使用边缘作为图像预处理技术。目标是用边缘检测车库门上的所有窗户。让我们从搜索文档开始。

我很快了解到在图像处理工具箱中有一个叫做Edge的功能，它可以对我的图像进行边缘检测。我可以简单地调用Edge，或者如果我想要更多的控制，我可以选择边缘检测的方法。让我们在图像上试试这些方法，看看它们的表现如何。

我会先用Prewitt法然后是Roberts法，然后是Sobel法，我想把这些区别放在一起。如果我放大并查看这些结果的差异，我可以看到这些方法之间的微妙变化，特别是在角落，这可能会对填充这些正方形和找到窗口有影响。

现在，我想填补这些图像中的所有漏洞，并比较这些结果。由于边缘检测算法的不同，有些窗口没有被填满。但我发现最后一个算法确实填补了所有的漏洞，所以我将选择这个方法来解决这个特殊的问题。

为了快速完成算法，我想把我的图像和删除除窗口以外的所有东西。这个任务是非常容易与我们的图像处理应用程序之一。我使用了一款名为Image Region Analyzer的应用程序，根据特定的属性过滤掉对象——在本例中，是大小和坚固度。

我强烈推荐大家查看一下我们的图像处理工具箱中的所有图像处理应用程序。最后，我可以展示边缘检测结果。首先，显示原始图像，然后显示灰度化的窗口，证明我们已经成功检测到图像中的所有窗口。

最后一个技巧——如果你在试验边缘检测，你没有得到你想要的结果，还有其他的参数你可以改变，一个流行的是灵敏度。使用默认的灵敏度，我们仍然缺少猫头鹰右侧的很多东西。但我可以快速增加和减少灵敏度，并可视化这些结果。

较低的灵敏度给了我向前移动所需的所有边。要了解更多关于边缘检测的信息，请点击链接查看MATLAB中的更多示例和文档。