概述
基於邊緣的分割代表了一大類基於圖像邊緣信息的方法，它是最早的分割方法之一且仍然是非常重要的。基於邊緣的分割依賴於由邊緣檢測運算元找到的圖像邊緣，這些邊緣標示出了圖像在灰度、彩色、紋理等方面不連續的位置。必須採用後續的處理將邊緣合併為邊緣鏈，它與圖像中的邊界對應得更好。最終的目標是至少達到部分分割，即將局部邊緣聚合到一幅圖像中，使其中只出現對應於存在的物體或圖像部分的邊緣鏈。
如果關於邊界的信息很少，分割方法就必須考慮更多的局部圖像信息，並將其與套用領域的一般性特殊知識結合起來。如果可獲得的先驗信息很少，就不能用於評價分割結果的信度，因此就沒有反饋矯正分割結果的基礎。
基於邊緣分割的最常見的問題是在沒有邊界的地方出現了邊緣以及在實際存在邊界的地方沒有出現邊緣，這是由圖像噪聲或圖像中的不適合的信息造成的。顯然這些情況對分割結果有負面影響。
相關定義
邊緣
邊緣定義為：兩個具有不同灰度的均勻圖像區域的邊界，即邊界反映局部的灰度變化。局部邊緣是圖像中局部灰度級以簡單(即單調)的方式作極快變化的小區域。這種局部變化可用一定視窗運算的邊緣檢測運算元來檢測。邊緣的描述包含以下幾個方面：
●邊緣法線方向——在某點灰度變化最劇烈的方向，與邊緣方向垂直；
●邊緣方向——與邊緣法線方向垂直，是目標邊界的切線方向；
●邊緣位置——邊緣所在的坐標位置；
●邊緣強度——沿邊緣法線方向圖像局部的變化強度的量度。
邊緣檢測運算元
邊緣檢測運算元就是通過檢查每個像素點的鄰域並對其灰度變化進行量化來達到邊界提取的目的的。而且大部分的檢測運算元還可以確定邊界變化的方向。
常用的邊緣檢測運算元有一階微分運算元(如Roberts運算元、Prewitt運算元、Sobel運算元)、二階微分運算元(如Laplacian運算元)、Kirsch運算元、Frei-Chen綜合正交運算元、Canny運算元。
方法分類
在圖像的分割中，有基於邊緣的分割和基於區域的分割。基於邊緣的分割則主要有基於點的檢測、基於線的檢測以及基於邊緣檢測等幾種方法。
1.點檢測
先檢測出離散的點，然後再將點連線成封閉的邊界。其處理過程就是用一個模板對待檢測的區域進行離散點的檢測。
2.線檢測
線上的檢測中，有兩種方式，一種是利用線檢測模組進行線檢測，另外一種是利用哈夫變換進行直接檢測。
3.邊緣檢測
緣檢測技術可以按照處理順序分為串列邊緣檢狽0和並行邊緣檢測。在串列邊緣檢測技術中，當前像素是否屬於欲檢測的邊緣取決於先前像素的檢測結果；而在並行邊緣檢測技術中，一個像素是否屬於檢測的邊緣只與當前像素及其相鄰像素有關。這需要同時對圖像中的所有像素進行檢測，因而稱為並行邊緣檢測技術。
局限性
邊緣檢測方法的主要局限性在於：
1.使用分類方法的邊緣提取經常不可避免地不能對應於界限對象。在許多低質量的圖像中(使用低質量的成像設備採集)，使用一些常規方法將產生假邊緣和空白，因此它們的適用性將受到限制。
2.邊緣檢測技術取決於包含在圖像局部鄰域中的信息。大多邊緣檢測技術不考慮圖像中基於模型的信息嵌入。
3.在大多數情況下，邊緣檢測策略忽略了圖像中的高階部分，這部分可能是有意義的。
4.在從圖像中提取邊緣點之後，這些點被連線用於確定界限。這通常是先將相關聯的邊緣元素連到邊緣段，然後將邊緣段連線到邊界。邊緣連線的過程有時會在圖像中產生間斷性和空白。
5.邊緣連線方法為了填充邊界空白，經常會使用任意插值法。
6.對假邊緣而言，邊緣分割很難被識別和分類。
