我非常同意 Ava。如果没有明确的任务表述，您就无法对算法进行有意义的排名。

想想你最重要的任务并制定明确的目标。以下是此类调查的示例：

“在短时间内仅检测灰度图像中鞋盒的外边缘”。

目标1：仅检测外边缘->测量连接组件的数量，如果为1，则检查它是否是宗地的轮廓，如果！=1，则更改参数并重试。

目标 2：快速 --> 如果达到目标 1，测量计算这些边缘所需的时间。

评估解决方案性能的方法是设计一个管道，将自制算法应用于图像，然后将任何旨在检测图像中对象或标签的方法应用于其输出，例如活动轮廓或标签。对您想要比较的边缘检测过滤器执行相同操作以获得定性结果，然后度量计算（例如Dice或 Jaccard 系数）将使您了解方法的定量结果。在医学图像处理中，度量计算用于将分割算法的性能与基本事实进行比较，即人工执行的分割，所以我想它对于你想做的事情来说已经足够精确了。

然而，我想说的是，衡量一个图片处理算法的性能是一件很难做的事情，有时甚至是“毫无意义的”：例如，ITK 论坛上的这个讨论解释了为什么没有一个图像处理算法的“正确输出”之类的东西。康尼过滤器。这完全取决于您想要在图像中关注哪些对象。

问候。

有很多因素需要评估。例如，您可以比较一些正确与不正确的边缘，您的算法比其他工作快多少才能获得相同（或接近）的结果。

如果数据集可用，您可以直接将您的结果与其他作品进行比较，而无需运行其他人的作品，但如果没有标准数据集，您必须在同一数据集上运行其他边缘算法以将其与您的结果进行比较。

有关更多信息，请参阅边缘和弧检测论文，如果您需要代码，作者会将其发送给您。