我有点混淆边缘密度的含义。从等式，边缘密度究竟是什么？
edge density = sum(x=1,w) sum(y=1,h) e(x,y)/N
其中e是边缘地图图像（在（X，Y）垂直边缘的大小），存在两种版本的N. 第一版本 - N =宽x高（宽x高） 第二个版本 - N =非零垂直边缘像素的数量
我不明白的是我该如何计算边缘密度？它只是白色边缘像素的总和？
编辑
大家好，从我阅读由@Gilgamesh给出的纸明白了，N是区域的面积，宽度乘以它的高度，但是从给出的答案似乎是有由此N表示非白色像素的数量（黑色像素）。那么，哪一个是正确的？这里是N值calculating edge density的另一个参考。
基本上，边缘密度实际上只是一个（局部）平均密度，您可以通过二值化图像或更常见的灰度图像来计算边缘密度。
是的，它基本上只是总结了在大多数情况下，子图像x和y坐标，见式（1）这里
http://ro.uow.edu.au/cgi/viewcontent.cgi?article=1517&context=infopapers
，之后平均。
问候， G.
@Gilgamesh感谢您的分享。但是，“度量 平均边缘大小”是什么意思？我们是否需要计算积分图像才能计算出它？如果我没有从整体图像中弄错，我们可以找到平均值和标准偏差。边缘的平均值是指平均值？ – Mzk 2013-03-22 09:33:55
Hoi。我希望我可以很好地解释它:-)您可以检测边缘并标记它们，或者更容易，通过Canny，Sobel或类似方法提取边缘，并使用阈值进行二值化。在后一种情况下，不需要标注，您可以像您刚才提到的那样使用积分图像并通过非零像素的数量进行标准化。希望有所帮助，G. – gilgamash 2013-03-22 09:42:34
我会先试一试。 – Mzk 2013-03-22 09:45:10
的边缘图是梯度大小的地图（即，梯度矢量的长度）。所以边缘密度是邻域内梯度幅度的平均值。 如果您有一个二值边缘图，其中0表示无边缘，1表示边缘（可以通过阈值化梯度量值来获得），那么边缘密度就是边缘/非边缘像素的比率。
从我了解你写的内容。 1st：邻域中的梯度幅度的平均值==平均值==边缘密度？第二：边缘/非边缘==在边缘地图上使用连通分量分析来查找对象（边缘）/（wxh-countNonZero（I））的数量？对不起，但我很困惑。 – Mzk 2013-03-22 12:13:01
根据我所了解的边缘密度，它被定义为，其中
是白色像素，而
是像素的总数，即。
不能是黑色像素的数量，因为数字可能是任意的，范围从零到所有像素，边缘密度的范围将是。
为时，范围为，它描绘了我们想要的，边缘密集的地方（或根据您的要求稀疏）。
这**是一个真正的问题。一个技术性的，具体的，但在我看来仍然有效。 – Sam 2013-03-22 09:03:16
哦，好的。我在错误的地方问了吗？ – Mzk 2013-03-22 09:07:03
我认为这是个好地方，但并不是每个人都认同我的看法。这就是我写评论的原因。 – Sam 2013-03-22 09:13:01