这是 Canny 边缘检测器的一个实现，扩展到对 3-D 和 2-D 数据进行操作。 功能特点： * 3-D能力，使用标准2-D算法的自然扩展。 * 亚像素位置估计选项。 * 梯度估计的对称差异，因此边缘位置不会受到系统偏差的影响，可以选择使用最近邻差异。 * 如果需要，可以进行各向异性平滑，例如对于轴之间分辨率不同的体积。 * 一系列灵活的阈值选项，包括简单的默认值和基于分布的精确选择。 可以使用绝对阈值一致地处理不同的图像。 * 用于微调非最大抑制的选项。 * 高效利用高斯的可分性进行滤波。 * 处理流水线不同阶段的独立功能。 这简化了新算法的开发； 某些功能（例如平滑）在其他情况下也很有用。 提交中的所有函数都需要下载并放在MATLAB路径下，才能使用CANNY函数。

几种常见边缘检测算子（ Sobel、Prewitt、Canny、Robert、拉普拉斯算子）的相关知识、原理和比较，绝对值得您的资源分

该MATLAB程序可以对车牌进行有效地边缘检测，适合车牌识别的初学者下载学习。

图像的边缘检测，用的是sobel算子，并对边缘进行了细化

snake matlab code 实现snake边缘检测和分割处理

针对传统Sobel算子在图像边缘检测中存在的弱边缘提取较差及边缘较粗等不足，提出了一种局部梯度增强的检测算法。算法采用改进的Sobel算子卷积模板计算图像梯度；然后对梯度图像采用局部标准差方法增强局部弱边缘的梯度，最后对局部梯度增强的图像进行细化处理并提取图像边缘，得到边缘图像。实验结果表明，该算法获取的边缘图像边缘信息较丰富，连续性好，边缘较细，整体效果优于传统Sobel算法，具有较高的实用价值。

橙果识别的图像分割 为了识别橙色水果，使用了边缘检测和颜色检测方法。 对于这种方法，我使用了图像分割。 输入图像是在不同照明条件下捕获的桔子的图像，并使用图像分割来检测图像的颜色。 用Python完成的实现。 在该系统中，用户将输入橙色图像。 模型会将图像从RGB转换为灰度图像以进行进一步处理。

基于边缘检测和阈值维纳滤波的多小波融合图像去噪

摘要边缘检测在图像处理中起着重要的作用，有助于对目标进行分类和识别等操作。这是提高图像清晰度的唯一方法。常用的边缘检测技术如Sobel、Prewitt、Canny、Laplacian of Gaussian（对数）、Roberts和Zero Crossing等都吸引了研究者的注意，对这些技术进行了比较分析，但使用了不同类型的图像进行模糊处理除外。基于模糊逻辑的边缘检测算法的发展和与现有算法的比较变得非常重要，因为像素的边界识别图像DEG如预期的那样清晰，因此使用CRISP值的其他边缘检测算法将忽略一些重要的信息像素，这会降低图像的质量。图像边缘检测，并通过适当的解释进一步应用。本研究进一步扩展了边缘检测技术的最优性研究，通过比较Sobel、Prewitt、Canny、Laplacian和Roberts的边缘检测算法与我们使用Matlab设计的基于模糊的边缘检测算法。结果表明，在三种不同的图像实验中，本研究开发的模糊边缘检测算法优于Canny、Sobel、Prewitt、Roberts和Log边缘检测算法。

5分，内容丰富，程序可用，注释清晰，我在网上找的，最好的关于java灰度图像处理的代码了。为了做游戏，几乎翻遍了网络。 线性灰度变换 反转灰度变换 伪彩色处理 平滑处理 锐化处理 中值滤波 二值化处理 边缘检测 图像灰度化及伪彩色处理 图像平滑锐化处理及其中值滤波 图像二值化处理 图像的Robert边缘检测