數位影像處理的目的，通常是希望在影像中偵測某些感興趣的目標物件。然而，數位影像是由許多像素所構成，因此需事先定義像素的某些特性，例如:灰階、色彩等相似性，藉以擷取具有意義的影像物件相關資訊。

影像分割(Image Segmentation)可以定義為:「將數位影像分析具有意義的邊緣、直線、圓形或區域等相關資訊，以便更進一步的分析影像與辨識。」

因此在數位影像處理領域中，影像分割技術是一項重要技術，通常可以根據偵測的目標進行分為，例如: 邊緣偵測(Edge Detecion)、直線偵測(Line Detection)、圓形偵測(Circle Detection)、以區域為基礎的分割技術(Region-based Segmentation)等。

1.Sobel邊緣偵測

邊緣檢測顧名思義，目的是偵測影像中的物件邊緣，採用的方法是基於像素灰階的局部(或突然)變化。因此，最典型的邊緣偵測技術，通常是使用微積分的 **一階導函數(First-order Derivatives)** 進行影像濾波，求 **影像梯度(Image Gradients)**，再透過 **閥值化(Thresholding)** 的過程，選取影像梯度較大者，形成邊緣偵測的結果。

最簡單的邊緣檢測技術，就是Sobel濾波器。Sobel邊緣偵測演算法說明如下:
(1) 首先，輸入灰階影像f(x, y)。
(2) 使用Sobel濾波器求影像梯度與大小:

(3) 選取閥值(Threshold)T:

Sobel邊緣檢測的程式碼如下:

import numpy as np
import cv2

def Sobel_edge_detection(f):
    grad_x = cv2.Sobel(f, cv2.CV_32F, 1, 0, ksize = 3)
    grad_y = cv2.Sobel(f, cv2.CV_32F, 0, 1, ksize = 3)
    magnitude = abs(grad_x) + abs(grad_y)
    g = np.uint8(np.clip(magnitude, 0, 255))
    ret, g = cv2.threshold(g, 127, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

    return g

def main():
    img1 = cv2.imread("D:\Desktop\IThome\lena.bmp", -1)
    img1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
    img2 = Sobel_edge_detection(img1)
    cv2.imshow("Original", img1)
    cv2.imshow("After", img2)
    cv2.waitKey()
    cv2.destroyAllWindows()

main()

上述範例中，輸入的影像為灰階影像，使用OpenCV的Sobel函式求影像梯度，並採用Threshold函式求邊緣偵測的結果影像，其中套用OTSU演算法，可以自動選取最佳的閥值。

成果如下:

邊緣偵測的結果影像僅含0、1，稱為二值影像(Binary Image)。Sobel可以有效偵測影像物件邊緣，缺點是邊緣的寬可能同時涉及許多像素，形成較厚的邊緣。

2.Canny邊緣偵測

Canny邊緣偵測目前已成為具有代表性的State-of-Art邊緣偵測技術。由John F.Canny於1986年提出。Canny針對邊緣偵測技術，規範最佳化的邊緣偵測演算法，其目標應包含以下幾點:

• 好的偵測(Good Detection):演算法應盡可能偵測影像中所有的實際邊緣，產生的錯誤率低。

• 好的定位(Good Localization):演算法所偵測的邊緣，應盡可能接近實際的邊緣。

• 單一響應(Single Edge Response):演算法在實際的邊緣上，應僅回傳單一的點(或像素)。

  Canny根據以上的設計目標，發現並證明最佳的 步階邊緣偵測器(Step Edge Detector) 是使用高斯函數的一階導函數。Canny偵測演算法的步驟簡述如下:
  (1) 使用高斯濾波器進行平滑濾波。
  (2) 使用高斯函數的一階導函數計算影像梯度。
  (3) 套用非最大值抑制(Nonmaxima Suppression)技術於影像梯度影像，用來選取單一邊緣點。
  (4) 使用磁帶閥值(Hysteresis Thresholding)技術，其中牽涉兩個閥值，分別為Low Threshold與High Threshold，用來連接邊緣。

  程式碼如下:

import numpy as np
import cv2

img1 = cv2.imread("D:\Desktop\IThome\lena.bmp", -1)
img1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
img2 = cv2.Canny(img1, 50, 100)
cv2.imshow("Original", img1)
cv2.imshow("After", img2)
cv2.waitKey()
cv2.destroyAllWindows()

在上述程式中，使用OpenCV的Canny函式進行邊緣偵測。Canny函式的輸入參數及是磁帶閥值中的閥值，可自行改變這兩個參數觀察結果。

結果如下:

可以發現Canny的效果比Sobel好上許多，因此成為具有代表性的邊緣偵測技術。