1、 能对图像文件（bmp、 jpg、 tiff、 gif等）进行打开、保存、另存、打印、退出等功能操作； 2、 数字图像的统计信息功能：包括直方图的统计及绘制、区域图的面积、周长的统计、线条图中的距离测量等； 3、 数字图像的增强处理功能： （1）空域中的点运算，直方图的均衡化、各种空间域平滑算法（如局部平滑滤波法、中值滤波等）、锐化算法（如梯度锐化法、高通滤波等）； （2）频域的各种增强方法(实现其中任意两种)：频域平滑、频域锐化、低通滤波、同态滤波等； （3）色彩增强：伪彩色增强、真彩色增强等。 4、图像分割： （1）点、线（hough变换检测直线）、及边缘检测（梯度算子、拉普拉斯算子等）； （2）区域分割包括阈值分割、区域生长、分裂合并等； 5、数字图像的变换(实现其中任意两种)：普通傅立叶变换(ft)与逆变换（ift）、快速傅立叶变换（fft）与逆变换(ifft)、离散余弦变换（DCT），小波变换等。 6、二值图像处理：膨胀、腐蚀、开运算与闭运算。

资源包含文件：设计报告word+源码 在此次实验中只要求对rubberband_cap.png进行边缘连接,我采用的方法是摩尔邻域算法,它的大致思路是给定图片中某个对象的边缘上的一个点,通过对它的八邻域扫描来确定下一个边缘上的点,同时记录下我们这个推进的方向是哪个方向,直到到达起点且推进的方向和初始推进方向一致为止. ———————————————— 详细介绍参考：https://blog.csdn.net/newlw/article/details/124829092

由 Metal 实现的图像处理器。颜色转换、边缘检测、平滑和美肤

该方法中，运用canny 边缘检测，列腐蚀，连通区域去除等操作，去除数字框中的一些不必要成分，同时统计出图像的上下左右边界

为了解决复杂光照环境下斑马线识别的困难，提高基于视觉的交通标志识别系统的识别效率，文中设计了一种不均匀光照下斑马线的识别与处理方法。首先将原图转化为灰度图，可以消除不同光照颜色的影响和减少数据量；然后对灰度图做直方图均衡化，可以消除不均匀光照的影响；再将其转化为二值图像，可以再次减少数据量并突出斑马线的特征。对二值图像做腐蚀处理可以消除噪声，然后再做膨胀处理，可以填补斑马线的空隙。使用Canny算子提取斑马线的边缘，然后将边缘图像转换到Hough域，即可获得图像中的直线信息。根据这些直线信息就可以计算出图像中是否有斑马线。实验结果表明，文中设计的方法对在不均匀光照条件下的斑马线的识别率达到96.25%，有较高的识别率和识别效率。

【课程设计】一种图像中值滤波、边缘检测、hough变换检测直线的用户界面开发-含matlab源代码.zip

基于拉普拉斯算子的图像锐化（边缘检测）C++代码

在 Rust 中实现 Canny 边缘检测算法。许多计算机视觉应用的基础。

用SOBEL算法实现了边缘检测，获得了很好的检测效果，同时用了CANNY算子做对比

代码里面用到了边缘检测和透视变换，并且进行前后端联合调试，组成了一个很好看的web界面。 可以根据自己的需要选择二次开发，因为代码封装性良好，也可以直接运行前端和后端。程序为，前后端分离程序，后端因为要做算法使用了python，前端基于react框架。里面除了有需要上交的报告，也有README文件教程安装。