邊緣點演算法

A. 什麼是邊緣計算

邊緣計算是一種使計算機數據存儲更接近需要的位置的分布式計算模式。計算主要或完全在分布式設備節點上執行。邊緣計算將促進應用程序、數據和計算能力更靠近用戶，而不是更靠近集中點。邊緣計算的目標是需要更接近分布式系統技術與物理世界交互的動作源的應用程序或一般功能。

B. 常見的邊緣演算法有哪幾種，試論述各種方法的優缺點

一、冒泡排序
已知一組無序數據a[1]、a[2]、……a[n]，需將其按升序排列。首先比較a[1]與 a[2]的值，若a[1]大於a[2]則交換 兩者的值，否則不變。再比較a[2]與a[3]的值，若a[2]大於a[3]則交換兩者的值，否則不變。再比 較a[3]與a[4]，以此 類推，最後比較a[n-1]與a[n]的值。這樣處理一輪後，a[n]的值一定是這組數據中最大的。再對a[1]~a[n- 1]以相同方法 處理一輪，則a[n-1]的值一定是a[1]~a[n-1]中最大的。再對a[1]~a[n-2]以相同方法處理一輪，以此類推。共處理 n-1 輪 後a[1]、a[2]、……a[n]就以升序排列了。
優點：穩定；
缺點：慢，每次只能移動相鄰兩個數據。

二、選擇排序
每一趟從待排序的數據元素中選出最小（或最大）的一個元素，順序放在已排好序的數列的最後，直到全部待排序的數 據元素排完。
選擇排序是不穩定的排序方法。
n 個記錄的文件的直接選擇排序可經過n-1 趟直接選擇排序得到有序結果：
①初始狀態：無序區為R[1..n]，有序區為空。
②第1 趟排序 在無序區R[1..n]中選出關鍵字最小的記錄R[k]，將它與無序區的第1 個記錄R[1]交換，使R[1..1]和R[2..n]分別變 為記錄個數增加1 個的新有序區和記錄個數減少1 個的新無序區。
③第i 趟排序
第i 趟排序開始時，當前有序區和無序區分別為R[1..i-1]和R(1≤i≤n-1)。該趟 排序從當前無序區中選出關鍵字最 小的記錄 R[k]，將它與無序區的第1 個記錄R 交換，使R[1..i]和R 分別變為記錄個數增加1 個的新有序區和記錄個數減少 1 個的新無序區。
這樣，n 個記錄的文件的直接選擇排序可經過n-1 趟直接選擇排序得到有序結果。
優點：移動數據的次數已知（n-1 次）；
缺點：比較次數多。

三、插入排序
已知一組升序排列數據a[1]、a[2]、……a[n]，一組無序數據b[1]、 b[2]、……b[m]，需將二者合並成一個升序數列。 首先比較b[1]與a[1]的值，若b[1]大於a[1]，則跳過，比較b[1]與a[2]的值， 若b[1]仍然大於a[2]，則繼續跳過，直 到b[1]小於a 數組中某一數據a[x]，則將a[x]~a[n]分別向後移動一位，將b[1]插入到原來 a[x]的位置這就完成了b[1] 的插入。b[2]~b[m]用相同方法插入。（若無數組a，可將b[1]當作n=1 的數組a）
優點：穩定，快；
缺點：比較次數不一定，比較次數越少，插入點後的數據移動越多，特別是當數據總量龐大的時候，但用鏈表可以解決 這個問題。

四、縮小增量排序
由希爾在1959 年提出，又稱希爾排序(shell 排序)。
已知一組無序數據a[1]、a[2]、……a[n]，需將其按升序排列。發現當n 不大時，插入 排序的效果很好。首先取一增 量d(d<n)，將a[1]、a[1+d]、a[1+2d]……列為第一組，a[2]、a[2+d]、 a[2+2d]……列為第二組……，a[d]、a[2d]、a[3d]……="" 列為最後一組以次類推，在各組內用插入排序，然後取d'<d，重復上述操="" 作，直到d="1。"
優點：快，數據移動少；=""
缺點：不穩定，d="" 的取值是多少，應取多少個不同的值，都無法確切知道，只能憑經驗來取。=""

五、快速排序=""
快速排序是冒泡排序的改進版，是目前已知的最快的排序方法。
="" 已知一組無序數據a[1]、a[2]、……a[n]，需將其按升序排列。首先任取數據a[x]="" 作為基準。比較a[x]與其它數據並="" 排序，使a[x]排在數據的第k="" 位，並且使a[1]~a[k-1]中的每一個數="" 據a[x]，然後采 用分治的策略分別對a[1]~a[k-1]和a[k+1]~a[n] 兩組數據進行快速排序。
優點：極快，數據移動少；
缺點：不穩定。

C. 如何理解圖像的邊緣常用的邊緣檢測演算法有哪些

早期的有邊緣運算元法、曲線擬合法、模板匹配法、門限化法。近年來又有許多新的邊緣檢測的演算法：小波變換、小波包的邊緣檢測等，基於數學形態學、模糊理論和神經網路的邊緣檢測演算法等。

如果您對我的回答有不滿意的地方，還請您繼續追問；
答題不易，互相理解，互相幫助！

D. 什麼是邊緣計算有什麼好處

什麼是邊緣計算
在解釋邊緣計算前，我們先研究研究地球上一種奇怪的生物——章魚。有研究人員感慨，「章魚就像外星生物。」這是因為章魚有很多區別於其他動物的地方。一個明顯的特點是60%的神經元分布在八條腿上。一個大腦+多個小腦的分布式方式，讓章魚在捕獵時動作異常靈敏。
邊緣計算與章魚神經元分布方式十分相似。它可以在網路的邊緣側，為應用開發者和服務提供商提供雲服務和IT環境服務。目標是在靠近數據輸入或用戶的地方提供計算、存儲和網路帶寬
一種技術的誕生，往往是為了解決某一種問題，邊緣計算也一樣。傳統雲計算模式下，存在高延遲、網路不穩定和低帶寬等問題。如果將部分或者全部處理程序，遷移到離用戶較近的地點，便能解決這些問題，提高數據傳輸效率和穩定性。

邊緣計算能幹什麼？
隨著互聯網的發展，數據量越來越大，如果將海量的數據，傳輸到雲計算中心，並產生決策，顯然不太現實。這時候邊緣計算就能體現它的優勢，數據不再需要傳輸到遙遠的雲端，在邊緣側就能解決。
邊緣計算典型的應用領域：CDN、物聯網（車聯網）、區塊鏈。

E. 邊緣計算

姓名：王映中 學號：20181214025 學院：廣研院

轉自https://mp.weixin.qq.com/s/IPEf2HrWZ5fUwnf45s1O2w

【嵌牛導讀】通過對邊緣計算概念、典型應用場景、研究現狀及關鍵技術等系統性的介紹，認為邊緣計算的發展還處在初級階段，在實際的應用中還存在很多問題需要解決研究，包括優化邊緣計算性能、安全性、互操作性以及智能邊緣操作管理服務。

【嵌牛鼻子】邊緣計算應用、現狀及挑戰

【嵌牛提問】邊緣計算能解決哪些問題

【嵌牛正文】

1 邊緣計算的概念

對於邊緣計算，不同的組織給出了不同的定義。美國韋恩州立大學計算機科學系的施巍松等人把邊緣計算定義為：「邊緣計算是指在網路邊緣執行計算的一種新型計算模式，邊緣計算中邊緣的下行數據表示雲服務，上行數據表示萬物互聯服務」。邊緣計算產業聯盟把邊緣計算定義為：「邊緣計算是在靠近物或數據源頭的網路邊緣側，融合網路、計算、存儲、應用核心能力的開發平台，就近提供邊緣智能服務，滿足行業數字在敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求」。

因此，邊緣計算是一種新型計算模式，通過在靠近物或數據源頭的網路邊緣側，為應用提供融合計算、存儲和網路等資源。同時，邊緣計算也是一種使能技術，通過在網路邊緣側提供這些資源，滿足行業在敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求。

1.1 邊緣計算的體系架構

邊緣計算通過在終端設備和雲之間引入邊緣設備，將雲服務擴展到網路邊緣。邊緣計算架構包括終端層、邊緣層和雲層。圖展示了邊緣計算的體系架構。接下來我們簡要介紹邊緣計算體系架構中每層的組成和功能。

（1）終端層

終端層是最接近終端用戶的層，它由各種物聯網設備組成，例如感測器、智能手機、智能車輛、智能卡、讀卡器等。為了延長終端設備提供服務的時間，則應該避免在終端設備上運行復雜的計算任務。因此，我們只將終端設備負責收集原始數據，並上傳至上層進行計算和存儲。終端層連接上一層主要通過蜂窩網路。

（2）邊緣層

邊緣層位於網路的邊緣，由大量的邊緣節點組成，通常包括路由器、網關、交換機、接入點、基站、特定邊緣伺服器等。這些邊緣節點廣泛分布在終端設備和雲層之間，例如咖啡館、購物中心、公交總站、街道、公園等。它們能夠對終端設備上傳的數據進行計算和存儲。由於這些邊緣節點距離用戶距離較近，則可以為運行對延遲比較敏感的應用，從而滿足用戶的實時性要求。邊緣節點也可以對收集的數據進行預處理，再把預處理的數據上傳至雲端，從而減少核心網路的傳輸流量。邊緣層連接上層主要通過網際網路。

（3）雲層

雲層由多個高性能伺服器和存儲設備組成，它具有強大的計算和存儲功能，可以執行復雜的計算任務。雲模塊通過控制策略可以有效地管理和調度邊緣節點和雲計算中心，為

用戶提供更好的服務。

1.2 邊緣計算的優勢

邊緣計算模型將原有雲計算中心的部分或全部計算任務遷移到數據源附近，相比於傳統的雲計算模型，邊緣計算模型具有實時數據處理和分析、安全性高、隱私保護、可擴展性強、位置感知以及低流量的優勢。

（1）實時數據處理和分析。將原有雲計算中心的計算任務部分或全部遷移到網路邊緣，在邊緣設備處理數據，而不是在外部數據中心或雲端進行；因此提高了數據傳輸性能，保證了處理的實時性，同時也降低了雲計算中心的計算負載。

（2）安全性高。傳統的雲計算模型是集中式的，這使得它容易受到分布式拒絕服務供給和斷電的影響。邊緣計算模型在邊緣設備和雲計算中心之間分配處理、存儲和應用，使得其安全性提高。邊緣計算模型同時也降低了發生單點故障的可能性。

（3）保護隱私數據，提升數據安全性。邊緣計算模型是在本地設備上處理更多數據而不是將其上傳至雲計算中心，因此邊緣計算還可以減少實際存在風險的數據量。即使設備受到攻擊，它也只會包含本地收集的數據，而不是受損的雲計算中心。

（4）可擴展性。邊緣計算提供了更便宜的可擴展性路徑，允許公司通過物聯網設備和邊緣數據中心的組合來擴展其計算能力。使用具有處理能力的物聯網設備還可以降低擴展成本，因此添加的新設備都不會對網路產生大量帶寬需求。

（5）位置感知。邊緣分布式設備利用低級信令進行信息共享。邊緣計算模型從本地接入網路內的邊緣設備接收信息以發現設備的位置。例如導航，終端設備可以根據自己的實時位置把相關位置信息和數據交給邊緣節點來進行處理，邊緣節點基於現有的數據進行判斷和決策。

（6）低流量。本地設備收集的數據可以進行本地計算分析，或者在本地設備上進行數據的預處理，不必把本地設備收集的所有數據上傳至雲計算中心，從而可以減少進入核心網的流量。

2 邊緣計算的典型應用

邊緣計算在很多應用場景下都取得了很好的效果。本節中，我們將介紹基於邊緣計算框架設計的幾個新興應用場景，部分場景在歐洲電信標准化協會（ETSI）白皮書中進行了討論，如視頻分析和移動大數據。還有一些綜述論文介紹了車輛互聯、醫療保健、智能建築控制、海洋監測以及無線感測器和執行器網路與邊緣計算結合的場景。

（1）醫療保健。

（2）視頻分析。

（3）車輛互聯。

邊緣計算可以為這一需要提供相應的架構、服務、支持能力，縮短端到端延遲，使數據更快地被處理，避免信號處理不及時而造成車禍等事故。一輛車可以與其他接近的車輛通信，並告知他們任何預期的風險或交通擁堵。

3 邊緣計算現狀和關鍵技術

目前，邊緣計算的發展仍然處於初期階段。隨著越來越多的設備聯網，邊緣計算得到了來自工業界和學術界的廣泛重視和一致認可。本節中，我們主要從工業界和學術界的角度介紹邊緣計算的現狀。

3.1 工業界

在工業界中，亞馬遜、谷歌和微軟等雲巨頭正在成為邊緣計算領域的 領 先 者 。亞 馬 遜 的 AWS Greengrass 服務進軍邊緣計算領域 ，走在 了 行 業 的 前 面 。AWS Greengrass 將 AWS 擴展到設備上，這樣本地生成的數據就可以在本地設備上處理。微軟在這一領域也有大動作，該公司計劃未來 4 年在物聯網領域投入50億美元，其中包括邊緣計算項目。谷歌宣布了2款新產品，意在幫助改善邊緣聯網設備的開發。

分別是硬體晶元Edge張量處理單元（TPU）和軟體堆棧 Cloud 物聯網（IoT）Edge。涉足邊緣計算領域的並不只是這3大雲巨頭。2015年，思科、ARM、英特爾、微軟、普林斯頓大學聯合成立了開放霧計算（OpenFog）聯盟；2016年11月30日，在北京正式成立了產學研結合的邊緣計算產業合作平台，推動運行技術（OT）和信息與通信技術（ICT）產業開放協作，引領邊緣計算產業蓬勃發展，深化行業數字化轉型。

3.2 學術界

學術界也展開了關於邊緣計算的研究，邊緣計算頂級年會電氣和電子工程師協會/國際計算機協會邊緣計算研討會、IEEE 國際分布式計算系統會議、國際計算機通信會議等重大國際會議都開始增加邊緣計算的分會和專題研討會。涉及主要關鍵技術及研究熱點如下：

（1）計算卸載。計算卸載是指終端設備將部分或全部計算任務卸載到資源豐富的邊緣伺服器，以解決終端設備在資源存儲、計算性能以及能效等方面存在的不足。計算卸載的主要技術是卸載決策。卸載決策主要解決的是移動終端如何卸載計算任務、卸載多少以及卸載什麼的問題。根據卸載決策的優化目標將計算卸載分為以降低時延為目標、以降低能量消耗為目標以及權衡能耗和時延為目標的3種類型。

（2）移動性管理。邊緣計算依靠資源在地理上廣泛分布的特點來支持應用的移動性，一個邊緣計算節點只服務周圍的用戶。雲計算模式對應用移動性的支持則是伺服器位置固定，數據通過網路傳輸到伺服器，所以在邊緣計算中應用的移動管理是一種新模式。

4 挑戰

目前邊緣計算已經得到了各行各業的廣泛重視，並且在很多應用場景下開花結果；但邊緣計算的實際應用還存在很多問題[5]需要研究。本文中，我們對其中的幾個主要問題進行分析，包括優化邊緣計算性能、安全性、互操作性以及智能邊緣操作管理服務。

（1）優化邊緣計算性能。在邊緣計算架構中，不同層次的邊緣伺服器所擁有的計算能力有所不同，負載分配將成為一個重要問題。成本分析需要在運行過程中完成、分發負載之間的干擾和資源使用情況，都對邊緣計算架構提出了挑戰。

（2）安全性。邊緣計算的分布式架構增加了攻擊向量的維度，邊緣計算客戶端越智能，越容易受到惡意軟體感染和安全漏洞攻擊。在邊緣計算架構中，在數據源的附近進行計算是保護隱私和數據安全的一種較合適的方法。

（3）互操作性。邊緣設備之間的互操作性是邊緣計算架構能夠大規模落地的關鍵。不同設備商之間需要通過制定相關的標准規范和通用的協作協議，實現異構邊緣設備和系統之間的互操作性。

（4）智能邊緣操作管理服務。網路邊緣設備的服務管理在物聯網環境中需要滿足識別服務優先順序，靈活可擴展和復雜環境下的隔離線。

F. 邊緣計算有什麼特點

【邊緣計算六大特點】

1、去中心化：

邊緣計算從行業的本質和定義上來看，就是讓網路、計算、存儲、應用從「中心」向邊緣分發，以就近提供智能邊緣服務。

2、非寡頭化：

邊緣計算是互聯網、移動互聯網、物聯網、工業互聯網、電子、AI、IT、雲計算、硬體設備、運營商等諸多領域的「十字入口」，一方面參與的各類廠商眾多，另一方面「去中心化」在產品邏輯底層，就一定程度上通向了「非寡頭化」。

3、萬物邊緣化：

邊緣計算和早年的IT、互聯網，如今的雲計算、移動互聯網，以及未來的人工智慧一樣，具備普遍性和普適性。

4、安全化：

在邊緣計算出現之前，用戶的大部分數據都要上傳至數據中心，在這一上傳的過程中，用戶的數據尤其是隱私數據，比如個體標簽數據、銀行賬戶密碼、電商平台消費數據、搜索記錄、甚至智能攝像頭等等，就存在著泄露的風險。

而邊緣計算因為很多情況下，不要再把數據上傳到數據中心，而是在邊緣近端就可以處理，因此也從源頭有效解除了類似的風險。

5、實時化：

隨著工業互聯網、自動駕駛、智能家居、智能交通、智慧城市等各種場景的日益普及，這些場景下的應用對計算、網路傳輸、用戶交互等的速度和效率要求也越來越高。

6、綠色化：

數據是在近端處理，因此在網路傳輸、中心運算、中心存儲、回傳等各個環節，都能節省大量的伺服器、帶寬、電量乃至物理空間等諸多成本，從而實現低成本化、綠色化。

꧁꧂

邊緣計算：

「邊緣計算」是指在靠近物或數據源頭的一側，採用網路、計算、存儲、應用核心能力為一體的開放平台，就近提供最近端服務。其應用程序在邊緣側發起，產生更快的網路服務響應，滿足行業在實時業務、應用智能、安全與隱私保護等方面的基本需求。

邊緣計算處於物理實體和工業連接之間，或處於物理實體的頂端。而雲端計算，仍然可以訪問邊緣計算的歷史數據。

簡單來說，邊緣計算，就是用網路邊緣對數據進行分類，將部分數據放在邊緣處理，減少延遲，從而實現實時和更高效的數據處理，以達到對雲計算的有力補充。

G. 基於matlab的邊緣檢測的robert運算元的演算法怎麼寫

matlab本身有庫函數的。直接調用啊
VC代碼：
void BianYuanJianCeDib::Robert()
{
LPBYTE p_data; //原圖數據區指針
int wide,height; //原圖長、寬
int i,j; //循環變數
int pixel[4]; //Robert運算元
p_data=this->GetData ();
wide=this->GetWidth ();
height=this->GetHeight ();
LPBYTE temp=new BYTE[wide*height]; //新圖像緩沖區
//設定新圖像初值為255
memset(temp,255, wide*height);
//由於使用2*2的模板，為防止越界，所以不處理最下邊和最右邊的兩列像素
for(j=0;j<height-1;j++)
for(i=0;i<wide-1;i++)
{
//生成Robert運算元
pixel[0]=p_data[j*wide+i];
pixel[1]=p_data[j*wide+i+1];
pixel[2]=p_data[(j+1)*wide+i];
pixel[3]=p_data[(j+1)*wide+i+1];
//處理當前像素
temp[j*wide+i]=(int)sqrt((pixel[0]-pixel[3])*(pixel[0]-pixel[3])
+(pixel[1]-pixel[2])*(pixel[1]-pixel[2]));
}
//將緩沖區中的數據復制到原圖數據區
memcpy(p_data, temp,wide*height);
//刪除緩沖區
delete temp;
}

H. canny演算法的最優邊緣准則

Canny 的目標是找到一個最優的邊緣檢測演算法，最優邊緣檢測的含義是：
(1)最優檢測：演算法能夠盡可能多地標識出圖像中的實際邊緣，漏檢真實邊緣的概率和誤檢非邊緣的概率都盡可能小；
(2)最優定位準則：檢測到的邊緣點的位置距離實際邊緣點的位置最近，或者是由於雜訊影響引起檢測出的邊緣偏離物體的真實邊緣的程度最小；
(3)檢測點與邊緣點一一對應：運算元檢測的邊緣點與實際邊緣點應該是一一對應。
為了滿足這些要求 Canny 使用了變分法（calculus of variations），這是一種尋找優化特定功能的函數的方法。最優檢測使用四個指數函數項表示，但是它非常近似於高斯函數的一階導數。

I. 邊緣檢測的檢測邊緣

如果將邊緣認為是一定數量點亮度發生變化的地方，那麼邊緣檢測大體上就是計算這個亮度變化的導數。為簡化起見，我們可以先在一維空間分析邊緣檢測。在這個例子中，我們的數據是一行不同點亮度的數據。例如，在下面的1維數據中我們可以直觀地說在第4與第5個點之間有一個邊界：
除非場景中的物體非常簡單並且照明條件得到了很好的控制，否則確定一個用來判斷兩個相鄰點之間有多大的亮度變化才算是有邊界的閾值，並不是一件容易的事。實際上，這也是為什麼邊緣檢測不是一個微不足道問題的原因之一。
檢測方法
有許多用於邊緣檢測的方法, 他們大致可分為兩類：基於搜索和基於零交叉。
基於搜索的邊緣檢測方法首先計算邊緣強度， 通常用一階導數表示， 例如梯度模，然後，用計算估計邊緣的局部方向， 通常採用梯度的方向，並利用此方向找到局部梯度模的最大值。
基於零交叉的方法找到由圖像得到的二階導數的零交叉點來定位邊緣。 通常用拉普拉斯運算元或非線性微分方程的零交叉點。
濾波做為邊緣檢測的預處理通常是必要的，通常採用高斯濾波。
已發表的邊緣檢測方法應用計算邊界強度的度量，這與平滑濾波有本質的不同。 正如許多邊緣檢測方法依賴於圖像梯度的計算，他們用不同種類的濾波器來估計x-方向和y-方向的梯度。
計算一階導數
許多邊緣檢測操作都是基於亮度的一階導數——這樣就得到了原始數據亮度的梯度。使用這個信息我們能夠在圖像的亮度梯度中搜尋峰值。如果 I(x) 表示點 x 的亮度，I′(x) 表示點 x 的一階導數（亮度梯度），這樣我們就會發現：
對於更高性能的圖像處理來說，一階導數能夠通過帶有掩碼的原始數據（1維）卷積計算得到。

計算二階導數
其它一些邊緣檢測操作是基於亮度的二階導數。這實質上是亮度梯度的變化率。在理想的連續變化情況下，在二階導數中檢測過零點將得到梯度中的局部最大值。另一方面，二階導數中的峰值檢測是邊線檢測，只要圖像操作使用一個合適的尺度表示。如上所述，邊線是雙重邊緣，這樣我們就可以在邊線的一邊看到一個亮度梯度，而在另一邊看到相反的梯度。這樣如果圖像中有邊線出現的話我們就能在亮度梯度上看到非常大的變化。為了找到這些邊線，我們可以在圖像亮度的二階導數中尋找過零點。如果 I(x) 表示點 x 的亮度，I′′(x) 表示點 x 亮度的二階導數，那麼：
同樣許多演算法也使用卷積掩碼快速處理圖像數據：

步驟：
①濾波：邊緣檢測演算法主要是基於圖像強度的一階和二階導數，但導數的計算對雜訊很敏感，因此必須使用濾波器來改善與雜訊有關的邊緣檢測器的性能。需要指出，大多數濾波器在降低雜訊的同時也導致了邊緣強度的損失，因此，增強邊緣和降低雜訊之間需要折中。
②增強:增強邊緣的基礎是確定圖像各點鄰域強度的變化值。增強演算法可以將鄰域(或局部)強度值有顯著變化的點突顯出來。邊緣增強一般是通過計算梯度幅值來完成的。
③檢測：在圖像中有許多點的梯度幅值比較大，而這些點在特定的應用領域中並不都是邊緣，所以應該用某種方法來確定哪些點是邊緣點。最簡單的邊緣檢測判據是梯度幅值閾值判據。
④定位：如果某一應用場合要求確定邊緣位置，則邊緣的位置可在子像素解析度上來估計，邊緣的方位也可以被估計出來。在邊緣檢測演算法中，前三個步驟用得十分普遍。這是因為大多數場合下，僅僅需要邊緣檢測器指出邊緣出現在圖像某一像素點的附近，而沒有必要指出邊緣的精確位置或方向。
邊緣檢測的實質是採用某種演算法來提取出圖像中對象與背景間的交界線。我們將邊緣定義為圖像中灰度發生急劇變化的區域邊界。圖像灰度的變化情況可以用圖像灰度分布的梯度來反映，因此我們可以用局部圖像微分技術來獲得邊緣檢測運算元。經典的邊緣檢測方法，是通過對原始圖像中像素的某小鄰域構造邊緣檢測運算元來達到檢測邊緣這一目的的。

J. 邊緣計算是指什麼意思

邊緣計算指以網路的「邊緣」為界的演算法，比如在智能網關和攝像機內部進行計算。不過將這些設備收集的全部數據進行存儲或是用於計算並不現實，其中的干擾信息或者冗餘信息太多，倘若處理不當還會使處理效果適得其反。以海普森林防火監控系統為例。通過內置的煙火識別處理器傳輸tb級的視頻數據，但其中真正有價值的數據只是那些引起懷疑或非法活動的幾兆位元組，而邊緣計算就能很好的處理感興趣的目標數據。另外，與雲計算相比，邊緣計算還可以減少對網路流量的阻塞，為更多關鍵任務的執行「留有餘地」。