自已做的Canny边缘检测，效果可能一般，但是用于学习不错

边缘检测模型-预训练模型

视网膜血管的自动分割在糖尿病和高血压等疾病的诊断中起着重要作用。针对现有算法在细小血管和病变区域血管分割能力不足的问题,提出了一种基于改进整体嵌套边缘检测(HED)网络的视网膜血管分割算法。首先,采用了一种残差可变形卷积块代替普通卷积块,增强模型捕获血管形状和尺寸的能力;其次,采用扩张卷积层取代原有的池化层,用以保留血管特征的空间位置信息;最后,使用具有底部短连接结构的HED网络框架对预训练的网络进行特征提取和融合,使得模型可以更好地将骨干网络所提取的视网膜图像中血管的高级结构信息与低级细节信息相融合。通过在DRIVE(Digital Retinal Images for Vessel Extraction)和STARE(Structured Analysis of the Retina)数据集上进行验证,所提网络的灵敏度分别达到了81.75%和80.68%,特异性分别达到了97.67%和98.38%,准确性分别达到了95.44%和96.56%,受试者工作特征曲线(ROC)的曲线下面积(AUC)分别达到了98.33%和98.12%,实现了优于其他先进方法的综合分割性能。

自己编的数字图像处理程序，基于MFC单文档，可以实现BMP图片的显示，并且实现了图像的中值滤波、高斯滤波、sobel边缘检测（并阈值化处理显示）等功能。

彩色图像边缘检测算法研究.pdf

图像边缘检测算法的研究.pdf

Robust Edge-detection algorithm：强大的边缘检测算法.pdf

图像边缘检测算法 代码程序 及其结果.pdf.pdf

一种碳纤维边缘提取方法（代码+论文）。 碳纳米纤维的边缘检测对于研究其性能具有重要的意义。然而，由于设备老化等诸多原因，电镜采集的碳纤维图像引入了较多的噪声。这使得传统的边缘检测算子往往不能提取出连续的碳纤维边缘。本文基于全变分去噪模型来解决这个问题，该方法在能量函数J(u)中引入了一个正则项，通过优化J(u)使其达到最小，来实现去除噪声保持边缘的目的。实验结果显示，碳纤维图像经过全变分模型迭代公式迭代10次后，碳纤维的噪声区域就已经得到了平滑，边缘得到了保持。用Prewitt算子处理后，图像的连续的边缘被提取出来了。

数字图像处理大作业合集—四次数字图像处理大作业， 大作业内容（1） 基于VC的多文档界面（MDI ）方式，设计数字图像处理程序框架 软件中编程实现BMP格式图像文件的读取、显示 选择实现JPG、 RAW格式文件的读取、显示，以及与BMP格式的转换 完成图像的基本操作：加、求反、几何变换 完成图像的直方图均衡化处理 大作业内容（2） FFT作业说明 实现图像的FFT变换和显示 实现FFT反变换 大作业内容（3） 对于图1中XY平面上的边界，对其进行傅里叶描述子的表示，用不同的项数重构 傅里叶描述子是一种图像特征，用来描述轮廓的特征参数。 大作业内容（4） 边缘检测 编程实现基于典型微分算子（不少于Roberts、Sobel、Prewitt、拉普拉斯算 子）的图像边缘提取，能够读取图像文件内容，进行检测后输出边缘检测结果 分析比较不同算子的特性