1.一种图像边缘识别方法，其特征在于包括如下步骤：

步骤S1，创建一个固定大小的画布，获得画布的二维上下文对象并渲染图像,得出即将进行边缘识别的图像；

步骤S2，获取即将进行边缘识别的图像的像素数据，并对即将进行边缘识别的图像进行灰度化处理,得到灰度化处理后的图像；

步骤S3，灰度化处理后的图像经过重新渲染得出边缘识别的图像，然后获取边缘识别的图像的像素数据；

步骤S4，用最大类间方差法对边缘识别的图像进行二值化处理,得到二值化处理后的图像；

步骤S5，获取二值化处理后的图像的像素数据，某像素点的像素值与该像素点沿四个方向分布的像素值比对,判断该像素点的像素值是否与其四个方向的像素值相同，从而实现图像的边缘识别。

2.根据权利要求1所述的一种图像边缘识别方法，其特征在于，在步骤S2中，获取即将进行边缘识别的图像的像素数据后，为了方便、快捷地提取其他特征量，需要对即将进行边缘识别的图像进行灰度化处理,得到灰度化处理后的图像, 获取灰度化处理后的图像的灰度值, 灰度值经过量化得出灰度值的级别,即将进行边缘识别的图像是彩色的, 灰度化处理后的图像是黑白的, 灰度化处理的过程中用到灰度处理加权平均法公式, 其中灰度处理加权平均法公式如下:Gray = rValue * 0.299 + gValue * 0.587 + bValue * 0.114,其中Gray、rValue、gValue、bValue分别代表单位像素点灰度值、R分量红色分量值、G分量绿色分量值、B分量蓝色分量值。

3.根据权利要求2所述的一种图像边缘识别方法，其特征在于，于步骤S4还包括以下子步骤：步骤S400：获取灰度处理后的图像的像素数据，并以数组形式分别设置灰度直方图、灰度值分布概率；

步骤S401:灰度直方图根据最大类间方差的计算公式建立, 最大类间方差的计算公式为:g = w0(t)*(1 – w0(t))*(u0(t) - ul(t))²，其中t为分割阈值，g为类间方差，w0(t)为前景像素点所占比例，w1(t)为背景像素点所占比例，且w0(t) + w1(t) =1 ，u0(t) 为前景像素点灰度均值，ul(t)为背景像素点灰度均值；

步骤S402:遍历每个像素点，分别计算出类间方差g并寻找出最大值时的分割阈值t；

步骤S403：执行二值化过程，逐行获取图像的每个像素点位置，取像素点的其中一个颜色分量与最优阈值比较，根据比较结果对该像素点的各个颜色分量进行赋值,本步骤一直循环,直到所有像素点位置都被收集完毕。

4.根据权利要求3所述的图像边缘识别方法，其特征在于步骤S5还包括以下子步骤：步骤S500：获取二值化处理后的图像的像素数据，根据单位像素点的4个颜色分量以及图像单位像素行的像素点个数计算得出该单位像素点沿四个方向分布的像素点的位置；

步骤S501: 处于图像四边的像素点，通过像素点的位置判断该像素点是否处于图像的四边，处于图像四边的像素点，该像素点沿两个方向分布的像素点进行同值处理；

步骤S502：判断每个像素点的像素值以及每个像素点沿四个方向分布的像素点的像素值，像素点的像素值与该像素点沿四个方向分布的像素点的像素值分别比较，若有异值,则判断该像素点处于图像边缘,并对其各颜色分量赋值进行绘制。