canny边缘检测，使用canny算法进行图像边缘检测，阈值在代码里-canny edge detection, using canny edge detection algorithm, the threshold in the code

RH炼钢工艺中，控制钢水液面高度目前仍采用人工目测的方法，该方法存在一定的缺陷与不准确性。因此本文提出一种钢水液面精确定位算法，该算法采用数字图像处理技术，对图像边缘检测算子进行深入研究，引用一种改进型Sobel算子——8模板各向同性Sobel算子，它能够检测出8个方向的边缘，接着采用霍夫变换、曲线拟合对边缘做优化处理，以此检测出钢水液面的位置。实验研究表明，该算法能够准确检测出钢水液面的位置，为RH炼钢工艺的自动化发展提供重要的理论依据。

鉴于Sobel算子检测边缘较粗、定位不准确，以及LoG算子具有各向同性的特点且对边缘方向性信息检测不敏感，提出了Sobel算子与LoG算子相结合的边缘检测与细化方法。首先用水平、垂直、两个斜对角4个方向模板改进原Sobel算子两个方向模板，并用改进的Sobel算子对原图像进行边缘检测，得到粗边缘图像；然后使用LoG算子检测粗边缘图像的边缘；最后将两次边缘检测结果相减，达到边缘细化的目的。实验结果表明，该方法有效地解决了原Sobel算子检测边缘较粗的问题，得到的边缘较细；克服了LoG算子对方向性边缘信息不敏感的缺陷；且运算速度与传统LoG方法基本相当。

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