一、实验要求
1.读取文件并且将图片转为8bit；完成图像的拼接；图像框选
2边缘检测的主要步骤是：
（1）为每个像素分配分数；
（2） 沿垂直于边缘的方向找到局部最大值。有时执行第三步，传播局部证据，以便长轮廓更加自信，或者强边缘增强附近弱边缘的自信。
构建一个简单的基于梯度的边缘检测器，包括以下功能;
function [mag, theta] = gradientMagnitude(im, sigma)
此函数应将RGB图像作为输入，使用高斯std=sigma平滑图像，计算平滑图像的x和y梯度值，并输出每个像素处的梯度大小和方向的图像映射。通过获取R、G和B梯度的L2范数，可以计算RGB图像的梯度大小。可以根据对应于最大梯度幅度的通道来计算方向。总梯度大小为x和y梯度的L2范数。mag和theta的大小应该与im相同。
function bmap=edgeGradient(im)
该函数应使用gradientMagnitude计算软边界图，然后执行非最大值抑制。对于该分配，可以通过仅保留Canny边缘检测器产生的二进制边缘的幅度来执行非最大值抑制：边缘（im，“Canny”）。您可以通过编写一个非最大值抑制算法来获得更好的结果，该算法使用您自己对幅度和方向的估计。如果需要，可以重新缩放边界分数，例如，通过提高到指数：mag2=mag.^0.7，这对可视化非常有用。使用evaluateSegmentation进行评估。m，并记录总体和平均F分数。
尝试使用一组定向过滤器来改善结果，而不是上面的高斯方法的简单导数&#
