最近在项目中需要做一些图像边缘检测的工作，但是由于之前没接触过图像处理的相关知识，所以只得
在matlab里面对一些图像处理函数挨个挨个的试着用。在用的过程中在慢慢的明白了一些简单的图像处
理方法。
matlab代码如下：
1 load POTDR_室外实验_20140120_160549TwoPoint2.mat %加载数据，测试数据 2 Data=data(1:size(data,1),:); %Data两点扰动的矩阵数据388行*3472列 3 ColmStart=100; %因数据量太大，需要对列数据进行采样。从第100列开始取数据 4 ColmLag=10; %采样数据间隔,每隔10列采一列 5 VAR=[]; %定义一个空向量 6 7 ColmI=ColmStart:ColmLag:size(Data,2)-mod(size(Data,1),ColmLag)-ColmLag; %ColmI为具体对3472列中哪些列进行采样绘图为1*331的向量 8 9 NewData=Data(:,ColmI); %NewData为在原3472行数据中采样抽取出来的145列.388*331(原始采样图像数据) 10 11 DiffData=diff(NewData,1); %DiffData为对NewData作一阶差分运算的差分矩阵也是145列 388*331 12 13 IDiffData=abs(DiffData); %取差分图像数据的绝对值，使得图像中的值都为正
接下来将画一些图像，让读者有一些直观的印象：
1 imshow(NewData); %显示原始采样图像数据的的灰度图：
1 edge(NewData,'sobel','vertical');%原始采样图像数据的灰度图的垂直方向的边缘检测:
1 imshow(DiffData);%显示差分图像数据的灰度图：
1 edge(DiffData,'sobel','vertical');%差分图像的垂直边缘检测
1 imshow(IDiffData);%差分图像绝对值的灰度图
edge(IDiffData,'sobel','vertical');%显示差分绝对值的垂直边缘检测
VAR=[VAR var(DiffData,1)]; %^VAR为一个1*331的行向量，其中的每个值为差分矩阵每个列向量的方差，方差越大，代表NewData中列与列之间的数据变化大。
plot(VAR);hold on;plot(VAR,'r*');
axis tight;title('差分后的方差图像'); %二维输出方差向量。并描出每隔方差向量点。一列一个点
至此：边缘检测的一些图像和matlab代码已经呈现出来了。从这些图像中不难看出边缘检测的规律，读者也可以自己
对照着进行一些matlab实验。
本文逻辑稍显混乱，望读者谅解。