图像边缘检测和特征提取

均值滤波、方框滤波、高斯滤波、中值滤波对比，python代码，线性变换、边缘检测、canny、课程设计

图像边缘检测一直以来都是图像处理与分析领域的研究热点。边缘提取是图像处理的基础工作，如何精确、有效地提取边缘是图像处理领域相关学者讨论的热点问题，由此产生的各种边缘检测算法层出不穷并且得到了广泛的应用。该文对传统的具有代表性的各种图像边缘提取方法进行了阐述、对比和分析了各自的优缺点，为了更清楚地看出各种算法的效果，给出了一些常用算法对同一副标准测试图像进行边缘提取的实验结果。本文对现代的一些边缘检测方法如小波分析、形态学等也作了简要的介绍，重点分析了以上各种算法在图像边缘检测中的发展状况和优缺点。最后提出在实践中要根据待解决的问题的特点和要求决定采取何种方法。

基于多尺度边缘检测技术的煤系灰岩裂缝分布预测.pdf

一种基于图像形态学的dicom图像边缘检测算法，论文表述了针对dicom图像进行边缘检测的一般算法，并提出了一种基于形态学的边缘检测算法

canny Laplacian Prewitt Roberts Sobel 边缘检测算法 VS 2015 opencv3.1.0

数字图像处理中的拉普拉斯边缘检测算法，先计算图像直方图，灰度值分割阈值，并计算各阈值下的前景和背景概率密度函数，再进行像素的累计熵

基于三次B样条函数多尺度边缘检测，用三次B样条进行多尺度的平滑，三次分解和重构图像，效果优于其他边缘检测算法，亲测可用

对经典边缘分割算法进行了比较，并且对其性能，精度等进行了分析。

图像信息量巨大，而边缘信息是图像的一种紧描述。边缘是图像最基本的特征，是用于识别图像的重要信息。图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性。有效的图像检测方法对图像进行处理具有特别重要的意义。该文通过对数字图像处理的几种典型边缘算子（Robert，Prewitt，Sobel，LOG，Canny）进行评估，并用Matlab工具进行图像轮廓提取，分析与讨论了各种算子的应用效果，得出各算子的优缺点，为新方法的研究提供衡量尺度和改进依据。