这是使用 HDL Coder Toolbox、Vision HDL Toolbox 和 DSP Toolbox 的 Canny 边缘检测的 FPGA 实现。 请注意，simulink 中有一个分频器，请在 FPGA 上实现之前用您自己的分频器替换它

介绍NSCT在图像处理中的应用，重点介绍NSCT变换伴随的伪边缘的产生，和如何进行伪边缘的消除及去噪

传统的图像边缘检测算法的分析与比较.doc

对用户导入的图片进行轮廓的提取，有个步骤的处理结果，有反色、去除黑团、调整参数、恢复原图的功能

Canny 检测算法包含下面几个阶段： 1.图像灰度化 2.高斯模糊处理 3.图像梯度、梯度幅值、梯度方向计算 4.NMS（非极大值抑制） 5.双阈值的边界选取 1、图像灰度化   当仅提取一张图片的边界，单通道的图片已经足够提供检测出边界的信息。所以我们可以将R、G、B的3通道图片乃至更高维的高光谱遥感图像进行灰度化，这是一种降维操作，它减少了冗余数据从而降低了计算开销。以下是对RGB图片灰度化的方法： def gray( img_path): 计算公式： Gray(i,j) = [R(i,j) + G(i,j) + B(i,j)] / 3 or :

目前，被广泛使用的经典边缘检测算子有Sobel算子，Prewitt算子，Roberts算子，Log算子，Canny算子等等。这些算子的核心思想是图像的边缘点是相对应于图像灰度值梯度的局部极大值点。然而，当图像中含有噪声时这些算子对噪声都比较敏感，使得将噪声作为边缘点。由于噪声的干扰，不能检测出真正的边缘。一个拥有良好属性的的边缘检测算法是每个研究者的追求。利用小波交换的特点，设计了三次B样条平滑滤波算子。通过利用这个算子，对利用小波变换来检测图像的边缘进行了一定的研究和理解。

5经典图像边缘检测算法.doc

基于小波分析的海空背景下的红外小目标检测算法，基于小波互能量交叉的复杂背景中红外小目标检测方法

采用vc6.0 环境，利用Sobel和Kirsch算子的边缘检测

详细介绍了Canny自适应边缘检测算法的具体实现，并通过实验以及对实验结果的分析，证明了本文提出的Canny自适应边缘检测方法是一种有效的边缘检测方法，为实际的图像测量提供了一种有效的手段。