针对现阶段基于图像检测的板形识别在缺陷的检出率普遍较低以及检测速度慢等问题，文中提出了一种基于计算机图像处理的板形识别系统，其通过直方图均衡化与高帽变换对初始图像进行处理，并通过边缘检测算法提取轮廓，然后利用BP神经网络分类器进行缺陷识别与分类。其在实验及实际工业生产中，均具有较高的识别率，可达到约90%，且还具有较好的板形识别效果。

针对车牌检测中关键的3个环节分别进行了改进和优化。利用数学形态学结合Canny算子实现车牌定位。在传统扫描字符算法中加入边界限定，提高字符分割的准确度。在识别环节，采用计算效率较高的KNN算法进行字符的识别。最终，在OpenCV平台上实现车牌识别。

拉普拉斯锐化（边缘检测）。拉普拉斯锐化（边缘检测）

本人收集的关于c实现图像处理常用算法，包括Hough变换，雕刻技术，灰度均衡，图像的3D灰度显示，拉普拉斯高斯边缘检测等等，

应用各种算法进行边缘检测，比较后个有优劣

这是一段用小波模极大值进行图像边缘检测的程序，欢迎批评指正。

Susan角点检测python实现（边缘检测、角点检测、重心计算、非极大值抑制）

为解决传统均值比(ratio of average,ROA)算子检测 SAR(synthetic aperture radar,SAR)图像边缘时出现的受噪声影响大和边缘定位精度低等问题,结合平稳小波变换的优点,提出一种平稳小波去噪和改进 ROA算法的SAR图像边缘检测方法。首先,利用平稳小波进行去噪预处理,减少相干斑噪声。然后,通过把传统 ROA 算子的4 个检测方向增加为 8 个,以及利用非极值抑制进行边缘定位,在检测方向和定位精度两个方面改进 ROA 算法。实验结果表明,该方法的去噪性能和边缘检测效

采用canny边缘检测，将图片二值化，然后求出物体的质心。采用canny边缘检测，将图片二值化，然后求出物体的质心

只需在您的编辑器中运行它