（2）    马氏距离：
1.3 本文的主要工作
   本文主要把壁画、年画作为输入，利用改进的canny边缘检测算法，参考文献[14]，对输入的壁画和素描画分别进行边缘检测，然后利用sift特征检测算法分别对两张图片进行特征检测，检测出两张图片的sift特征并进行标注，最后用ANN特征匹配算法对两张图片进行特征匹配，展示一张两个输入图片的边缘图的特征匹配图。
2 canny改进及其边缘图生成方法
2.1引言
边缘检测以及边缘增强是不少图像处理软件都具有的基本功能，它的增强效果很明显，在用于识别的应用中，图像边缘也是非常重要的特征之一。图像边缘保留了原始图像中相当重要的部分信息，而又使得总的数据量减小了很多，这正符合特征提取的要求。用于识别的边缘提取比起用于视觉效果增强的边缘提取要复杂一些。要给图像的边缘下一个定义还挺困难的，从人的直观感觉来说，边缘对应于物体的边界。图像上灰度变化剧烈的区域比较符合这个要求，我们一般会以这个特征来提取图像的边缘。但在遇到包含纹理的图像上，就会有点问题，比如说，图像中的人穿了黑白格子的衣服，我们往往不希望提取出来的边缘包括衣服上的方格。但这个比较困难，涉及到纹理图像的处理方法。本章节涉及的理论知识主要参考文献[4]、文献[5]、文献[6]、文献[7],这些文献主要对图像素描进行了介绍，并对由图像转化成素描画进行了相关介绍。文献[15]也对边缘检测技术进行相关介绍，但是对于本课题采用advance canny技术已经得到了比较满意的结果。
边缘提取是要保留图像的灰度变化剧烈的区域，从数学上，最直观的方法就是微分（对于数字图像来说就是差分），在信号处理的角度来看，也可以说是用高通滤波器，即保留高频信号，这是最关键的一步，在此之前有时需要对输入图像进行消除噪声的处理。用于识别边缘提取往往需要输出的边缘是二值图像，即只有黑白两个灰度的图像，其中一个灰度代表边缘，另一个代表背景。此外还需要把边缘细化成只有一个像素的宽度。
图像边缘检测的基本步骤：
(1)    滤波。边缘检测主要基于导数计算，但受噪声影响。但滤波器在降低的同时也导致边缘强度的损失。
(2)    增强。增强算法将邻域中灰度有显著变化的点突出显示。一般通过计算梯度幅值完成。
(3)    检测。但在有些图像中梯度幅值较大的并不是边缘点。最简单的边缘检测是梯度幅值判定。
(4)    定位。精确确定边缘的位置。    图2.1 边缘检测算法的基本步骤
第二步是关键，有不少书把第二步就直接称为边缘提取。实现它的算法也有很多，一般的图像处理，如拉普拉斯算子，索贝尔算子，罗伯特算子等等。这些都是模板运算，首先定义一个模板，模板大小以3*3的较为常见，也有2*2,5*5或更大尺寸的。运算时，把模板中心对应到图像的每一个像素位置，然后按照模板对应的公式对中心像素和它周围的像素进行数学运算，算出的结果作为输出图像对应像素的值。
往往我们在进行边缘提取时只注意到位置信息，而忽略了边缘的方向。事实上，图像的边缘总有一定的走向，我们可以用边缘曲线的法线方向来代表边缘点的方向。在图像识别的应用中，这个方向是非常重要的信息。
2.2 canny边缘检测的基本原理
1.（1）canny边缘检测必须满足两个条件：一能有效的抑制噪声；二必须尽量精确确定边缘的位置。
（2）根据对信噪比与定位乘积进行测度，得到最优化逼近算子。这就是canny边缘检测算子 面向图像素描的sift特征边缘图生成和特征匹配技术(5):http://www.youerw.com/jisuanji/lunwen_9069.html