三種基本方法：
1：局部處理
2：區域處理
3：使用霍夫變換的全局處理
局部處理
根據預定的規則，將所有相似點連接起來。
用於確定邊緣像素相似性的兩個主要性質：1、梯度向量的幅度2、梯度向量的角度
由於要對每個點的鄰點進行運算，計算量大。
優化如下：
例如，關注於水平與豎直方向的邊緣連接，旋轉90度，然後再旋轉回來。 在要求多方向角度連接時，把3、4步驟組合成單個放射狀掃描過程。 問題是3、4在每行中連接1兩端的0.感覺不是很靠譜。相當於將掃描出的邊界描粗了。當然這個是由於事先我們有了對某方向的強邊緣的要求。
區域處理機理：
找到所有符合標準的多邊形頂點，依次連接這些點。
兩個要點：1、兩個起始點必須指明2、所有的點必須排序（順時針或逆時針方向）
關於創建排序的算法要用到邊界追蹤的知識：https://blog.csdn.net/qq_42604176/article/details/104286331
首先通過分析點間距離判斷是開放還是閉合曲線
霍夫變換
相關鏈接
公式推導：
我的理解：
xy平面上位於同一直線的點映射到ρθ平面上有且僅有兩個交點。
曲線族每經過一次交點，說明xy平面有一個像素點在直線上。一般來說我們可以通過設置直線上點的閾值來定義多少條曲線交於一點認爲檢測到了一條直線
xy平面上鄰近的兩個像素點，在ρθ平面產生的也是兩條貼近的曲線，可能有交點。
曲線c1,c2,c4在xy平面是同一條直線C1上的，所以兩個交點a1,a2曲線c3與c2、c4有四個交點，取兩個交點座標的平均爲b1,b2，且b1與a1相近,b2與a2相近。 所以我們可以設定一定的閾值，例如b1與a1的|Δρ|<=α，例如b1與a1的|Δθ|<=β，則認爲曲線c3對應的像素也在直線C1附近。
書本的講解：
算法描述：
這個描述言簡意賅。
算法步驟：
1、尋找圖像的邊緣
2、找出所有的邊線點
3、進行霍夫變換，Hough Transform
4、霍夫變換後的矩陣,行與上述邊界點集相對應，列爲每一個點的霍夫轉換
5、顯示邊界線的霍夫空間圖像
6、尋找最大值及其在霍夫空間的座標（通過霍夫空間門限）
7、求解笛卡爾座標中的線
8、在這條線上補全小於某長度的縫隙。
參考鏈接：https://blog.csdn.net/lengo/article/details/100586228