UD5工具箱
边缘（Edge）
在图像处理中，边缘是指图像中亮度、色彩或纹理发生突然变化的区域。边缘通常对应物体的边界、轮廓或表面纹理的变化。边缘是图像最基本的特征之一，是许多高级图像分析任务（如目标检测、图像分割、特征匹配）的基础。本工具的核心功能就是检测并提取图像中的边缘信息。
Sobel算子（Sobel Operator）
由Irwin Sobel和Gary Feldman于1968年提出的一种离散微分算子，用于计算图像亮度的空间梯度。Sobel算子使用两个3×3的卷积核分别在水平和垂直方向上进行卷积运算，从而获得梯度的近似值。它是本工具使用的核心边缘检测算法，具有计算简单、速度快、效果稳定的特点，是最经典的边缘检测方法之一。
卷积核（Convolution Kernel）
卷积核是一个小型的数值矩阵（通常为3×3或5×5），在图像处理中用于对图像进行卷积运算。通过将卷积核在图像上滑动并与对应区域进行逐元素乘法再求和，可以实现各种图像处理效果，如模糊、锐化、边缘检测等。Sobel算子使用两个特定的3×3卷积核来计算水平和垂直方向的梯度。
梯度（Gradient）
梯度表示图像亮度在空间中的变化率，是一个向量，包含方向和大小两个属性。在边缘检测中，梯度的大小（幅值）反映了亮度变化的剧烈程度，梯度的方向垂直于边缘方向。梯度幅值越大，该位置越可能是边缘。本工具通过Sobel算子计算每个像素点的梯度幅值，然后根据阈值判断是否为边缘。
阈值（Threshold）
阈值是边缘检测中用于判断像素是否为边缘的临界值。当某个像素的梯度幅值大于阈值时，该像素被标记为边缘点；反之则被视为非边缘。阈值的设置直接影响边缘检测的结果：阈值越低，检测到的边缘越多（包括噪声和细微纹理）；阈值越高，只保留最显著的边缘。本工具提供5-200的连续阈值调节范围。
高斯模糊（Gaussian Blur）
高斯模糊是一种常见的图像平滑处理方法，使用高斯函数生成的卷积核对图像进行卷积运算。它的效果是使图像变得模糊，降低图像的高频细节。在边缘检测前进行高斯模糊可以有效抑制噪声，减少误检的边缘点。高斯模糊的强度由标准差（σ）控制，σ越大模糊效果越强。本工具内置的模糊预处理功能即基于高斯模糊原理。
Canny边缘检测
由John F. Canny于1986年提出的一种多阶段边缘检测算法，被认为是边缘检测的黄金标准。Canny算法包括高斯滤波、梯度计算、非极大值抑制和双阈值滞后等步骤，能够产生更精确、更连续的边缘检测结果。相比Sobel算子，Canny算法更复杂但效果更好。本工具使用Sobel算子以保证处理速度，同时通过模糊预处理弥补噪声抑制方面的不足。
非极大值抑制（Non-Maximum Suppression）
非极大值抑制是Canny边缘检测算法中的一个关键步骤，用于将粗厚的边缘细化为单像素宽度的细线。其原理是沿着梯度方向检查每个像素，只保留梯度幅值最大的像素点，抑制非最大值的像素。Sobel算子本身不包含这一步骤，因此Sobel检测出的边缘可能比Canny的更粗。本工具通过阈值调节和渐变模式来提供边缘粗细的控制。
梯度幅值（Gradient Magnitude）
梯度幅值是梯度向量的长度，表示亮度变化的强度。在Sobel算子中，梯度幅值通过 G = √(Gx² + Gy²) 或简化公式 G = |Gx| + |Gy| 计算。梯度幅值越大，说明该位置的亮度变化越剧烈，越可能是边缘。本工具的渐变模式直接将梯度幅值映射为灰度值输出，保留了完整的边缘强度信息，而默认模式则通过阈值将梯度幅值二值化为边缘/非边缘。
卷积运算（Convolution）
卷积运算是信号处理和图像处理中的基本操作。在图像处理中，卷积运算将一个卷积核（小矩阵）在图像上逐像素滑动，在每个位置将卷积核与对应的图像区域进行逐元素乘法并求和，得到输出图像在该位置的值。通过设计不同的卷积核，可以实现模糊、锐化、边缘检测等各种效果。Sobel算子本质上就是两个特定卷积核的卷积运算。