目标内边界的像素全都在目标里面，目标外边界的像素全都不在目标上，是包围着目标的。
二值图像内外边界的计算都是有两种方法的，所以一共是4种算法，不过实际用到跟踪的只有一个而已。
首先是内边界跟踪：
第一种方法不是跟踪方法。步骤是先对原图像腐蚀，然后用原图像减去腐蚀后的图像就得到边界了。
第二种方法是跟踪方法。步骤如下：
1.遍历图像。
2.标记第一个遇见像素块的前景像素（i,j）。
3.对这个像素周围八邻域逆时针搜索，如果搜索到周围有前景像素，那么更新坐标（i,j）为（i',j'），并标记。
4.不断执行第3步直到再次遇见此像素块第一次标记的像素。
5.继续执行第1步。
然后是外边界跟踪：
第一种方法和求内边界第一种方法类似。先对原图像进行膨胀，然后用膨胀后的图像减去原图像即可。
第二种也不算跟踪方法，只是标记算法而已。就是将图像中前景像素周围的非前景像素标记一下就行了。
效果如下：
原图：
内边界：
外边界：
matlab程序如下：
内边界：
clear all;
close all;
clc;
img=imread('rice.png');
img=img>128;
imshow(img);
[m n]=size(img);
imgn=zeros(m,n); %边界标记图像
ed=[-1 -1;0 -1;1 -1;1 0;1 1;0 1;-1 1;-1 0]; %从左上角像素，逆时针搜索
for i=2:m-1
for j=2:n-1
if img(i,j)==1 && imgn(i,j)==0 %当前是没标记的白色像素
if sum(sum(img(i-1:i+1,j-1:j+1)))~=9 %块内部的白像素不标记
ii=i; %像素块内部搜寻使用的坐标
jj=j;
imgn(i,j)=2; %本像素块第一个标记的边界，第一个边界像素为2
while imgn(ii,jj)~=2 %是否沿着像素块搜寻一圈了。
for k=1:8 %逆时针八邻域搜索
tmpi=ii+ed(k,1); %八邻域临时坐标
tmpj=jj+ed(k,2);
if img(tmpi,tmpj)==1 && imgn(tmpi,tmpj)~=2 %搜索到新边界，并且没有搜索一圈
ii=tmpi; %更新内部搜寻坐标，继续搜索
jj=tmpj;
imgn(ii,jj)=1; %边界标记图像该像素标记，普通边界为1
break;
end
end
end
end
end
end
end
figure;
imgn=imgn>=1;
imshow(imgn,[]);
%不过要是真取二值图像内边界，通常是原图减去其腐蚀图就行了
se = strel('square',3);
imgn=img-imerode(img,se);
figure;
imshow(imgn) 外边界：
clear all;
close all;
clc;
img=imread('rice.png');
img=img>128;
imshow(img);
[m n]=size(img);
imgn=zeros(m,n); %边界标记图像
ed=[-1 -1;0 -1;1 -1;1 0;1 1;0 1;-1 1;-1 0]; %从左上角像素判断
for i=2:m-1
for j=2:n-1
if img(i,j)==1 %如果当前像素是前景像素
for k=1:8
ii=i+ed(k,1);
jj=j+ed(k,2);
if img(ii,jj)==0 %当前像素周围如果是背景，边界标记图像相应像素标记
imgn(ii,jj)=1;
end
end
end
end
end
figure;
imshow(imgn,[]);
%不过要是真取二值图像外边界，通常是原图膨胀图减去原图就行了
se = strel('square',3);
imgn=imdilate(img,se)-img;
figure;
imshow(imgn)
转载于:https://www.cnblogs.com/tiandsp/archive/2013/04/26/3045747.html