在众多的跟踪方法中，基于模板匹配的算法占有非常重要的地位，基于边缘的目标跟踪能有效地抵制噪声和图像杂波，并减少数据量。其从原理上说，也是一种模板匹配算法。

所谓边缘就是指其周围像素灰度有着阶跃变化或者屋顶变化的那些像素的集合。边缘是存在于目标与背景之间、目标与目标之间、基元与基元之间的。因此，它是图像分割的一个非常重要的特征。

1. Roberts 边缘检测算子
它的平方根运算使得该处理类似于在人类视觉系统中发生的过程。罗伯特（Roberts）边缘算子采用对角线方向相邻两像素之差近似梯度幅值检测边缘。检测水平和垂直边缘的效果好于斜向边缘，定位精度高，对噪声敏感。

2. Sobel 边缘算子
索贝尔（Sobel）算子是一组方向算子，从不同的方向检测边缘。索贝尔算子不是简单求平均再差分，而是加强了中心像素上下左右四个方向像素的权重，运算结果是一幅边缘图像。

索贝尔（Sobel）算子对噪声具有平滑作用，提供较为精确的边缘方向信息，边缘定位精度不够高。当对精度要求不是很高时，是一种较为常用的边缘检测方法，通常对灰度渐变和噪声较多的图像处理得较好。

3. Prewitt 边缘算子
Prewitt 边缘算子利用像素点上下、左右邻点灰度差，在边缘处达到极值检测边缘。Prewitt 算子不仅能检测边缘点，而且对噪声具有平滑作用，因此对灰度和噪声较多的图像处理得较好。

4. 高斯-拉普拉斯算子（Laplas）
拉普拉斯算子是一个二阶导数算子，利用边缘点处二阶导函数出现零交叉原理检测边缘。该算子是一个与方向无关的各向同性（旋转轴对称）边缘检测算子。若只关心边缘点的位置而不顾其周围的实际灰度差时，一般选择该算子进行检测。由于拉普拉斯算子为二阶差分，其方向信息丢失，常产生双像素，对噪声有双倍加强作用，因此它很少直接用于边缘检测。

由于噪声点对边沿检测有一定的影响，所以拉普拉斯算子是效果较好的边沿检测器。它将高斯平滑滤波器和拉普拉斯锐化滤波器结合了起来，先平滑掉了噪声，再进行边沿检测，所以效果不错。

5. Canny 算子
坎尼算子是一类最优边缘检测算子，它在许多图像处理领域得到了广泛应用。Canny 方法也使用拉普拉斯算子，该方法与其它边缘检测方法的不同之处在于，它使用两种不同的阈值分别检测强边缘和弱边缘，并且仅当弱边缘与强边缘相连时才将弱边缘包含在输出图像中，因此这种方法较其它方法而言不容易被噪声“填充”，更容易检查出真正的弱边缘。

canny是一种将边缘检测问题转换为检测单位函数极大值问题的算子。Canny算子的方向性质使边缘检测和定位性能具有很好的抗噪性能，而且这种算子有以下的优点:
(1)只要是边缘就检测出来(不漏检)
(2)只要不是边缘不会错检出来检测出来(不错检)。
(3)边缘检测前后位置一致。

1-5在使用梯度算子提取图像轮廓时，需要进行图像分割，合适的分割域值选取是一个问题。

6. 小波分解的方法
利用分解的高频分量重构图像的边缘（细节信息）
此算法实现相对复杂，算法计算量大。

7. SUSAN算法
与其他许多已有算法相比，SUSAN算法具有如下优点：
（1）可以直接对原始图像进行处理，不需要求导，算法的抗噪声能力较强，运算速度较快。
（2）圆形的SUSAN模版具有各向同性，可以抵抗图像的旋转变化。
（3）使用SUSAN算法提取图像的轮廓，可以直接得到轮廓的二值图像，不需要再进行阈值分割。
（4）配合SUSAN算法的中心判据和边缘判据，可以提出大量的虚假特征点，获得较细的边缘。

参考文献：
[1] 雷凯, 刘艳滢, 王延杰, 邢忠宝, 尹立敏. 一种新的基于图像主轮廓的配准算法[J]. 微计算机信息, 2007, 23(2-3): 267-268, 240.
[2] 梅林, 刘锋. 基于边缘检测与垂直投影相结合的车牌定位方法[J]. 甘肃科技, 2009, 25(3): 15-17.