---
title: "邊界偵測（Edge Detection）"
slug: edge-detection
language: zh-TW
source: https://aiterms.tw/terms/edge-detection
updated_at: 2026-06-23
tags: [電腦視覺, 邊界偵測, 低階特徵, 影像處理, 深度學習]
ipas_term: false
---

# 邊界偵測（Edge Detection）

識別影像中的邊界與輪廓線，通常輸出二值圖像或邊界概率圖，是許多高級視覺任務的前置步驟。

## 完整說明

邊界偵測（Edge Detection）是電腦視覺的基礎任務，旨在找到影像中明度、顏色或紋理急劇變化的像素，輸出邊界圖譜。邊界是物體輪廓、表面邊界與材質邊界的視覺表現，對於物體識別、影像分割、3D 重建等後續任務至關重要。邊界偵測既是傳統視覺方法的核心，也被現代深度學習所重新解釋。

## 常見問題

### 為什麼我用 Sobel 偵測出來的邊界很粗，還有很多雜訊？

Sobel 等簡單梯度算子對雜訊敏感，而且邊界通常較寬（多個像素寬）。改善方法有三：首先，用高斯模糊預處理影像降低雜訊；其次，用非極大值抑制（NMS）細化邊界寬度；最後，考慮改用 Canny 邊界偵測，它內建這些優化步驟。如果雜訊仍然很多，可提高高斯平滑的 sigma 值，或用中值濾波而非高斯濾波。

### 深度學習邊界偵測和 Canny 相比有什麼優勢？

深度學習方法（如 HED、DexiNed）的主要優勢是：自動學習多尺度特徵，無需手工調參；能處理複雜的邊界場景（低對比、複雜紋理）；輸出邊界概率圖而非二值邊界，支援後續的軟決策。Canny 等傳統方法的優勢則是速度快、計算簡單、易於集成到實時系統中。實踐中，兩者常互補使用：用深度學習獲得高精度邊界圖，再用傳統後處理（如邊界追蹤）獲得拓撲連接的輪廓。

### 邊界偵測可以用在視頻上進行即時邊界追蹤嗎？

可以，但需要優化。完整的 Canny 流程在 GPU 上約 5-20ms，輕量化深度學習邊界網路（如 MobileNet 骨幹）可達 30-50ms，都能支援 30fps。實時視頻邊界追蹤的關鍵是：使用輕量化模型、啟用 GPU 加速、以及利用時間一致性約束（相鄰幀的邊界應接近）。某些應用（如手機相機邊界美化濾鏡）已商用此技術。

---

來源：https://aiterms.tw/terms/edge-detection
快查頁：https://aiterms.tw/terms/edge-detection
最後更新：2026/06/23
深度解說：https://aiterms.tw/learning/what-is-edge-detection