实时读取图片并能对图片加不同比例的高斯噪声和椒盐噪声。各种经典图像边缘检测算法的对比研究，并实现了数学形态学边缘检测算法。使用matlab GUI实现可视化界面。 包括完整的毕业论文、答辩PPT。 运行环境：MATLAB7.0

基于FPGA的Sobel图像边缘检测算法

由于医学图像会同时含有物体边缘、物体阴影与噪声, 针对于医学图像边缘检测中很难从噪音或者微小几何特征中区分出精确边缘的问题, 本文提出了一种基于超熵的检测嘈杂医学图像边缘的算法，引入超熵系数,通过适当确定超熵的参数值，不仅可以抑制噪声，还可以适应图像的不同边缘检测。通过试验，发现所提出的算法相对于其他方法性能具有明显的提高,运行时间缩短至80%。

目录1.mif文件的制作2.调用ip核生成rom以及在questasim仿真注意问题3.灰度处理4.均值滤波：重点是3*3像素阵列的生成5.sobel边缘检测6.图片的显示7.结果展示受资源限制，将图片像素定为160*120，将图片数据制成mif文件，对romip核进行初始化。mif文件的制作方法网上有好多办法，因此就不再叙述了，重点说mif文件的格式。调用ip核生成rom以及在questasim仿真注意问题这部分内容已经在上篇博文中详细描述过，详情请见http://www.cnblogs.com/aslmer/p/5780107.html任何颜色都由红、绿、蓝三原色组成，假如原来某点的颜色为

提出一种对图像中每个点逐一取阈值进行分类的一种新的阈值分割算法。该算法利用图像中像素邻域的灰度值均值统计信息作为该点阈值设置的标准,并引入该点邻域内像素灰度值方差作为附加判断条件,使提取出来的目标点是图像的边缘点。事实上该阈值分割算法起到了边缘提取的效果。实验证明,本文算法起到了良好的边缘检测效果,并且验证了本算法对于以邻域统计信息作为阈值估计标准的合理性。

 数字图像的边缘检测一直是图像处理领域最基本的研究内容之一。为了提高图像处理的速度，满足实时性要求，本文采用EAD技术，在FPGA上实现数字图像的边缘检测。本设计运用FPGA的流水线和并行技术，结合Verilog HDL语言，采用模块化的设计思想，优化结构，高速有效地实现了数字图像的边缘检测。实验证明边缘检测效果较好。

图像边缘检测论文~~~~~~对研究边缘检测有帮助的~

结合小波变换和BP神经网络模型，提出了一种基于小波神经网络的图像边缘检测方法。利用二进小波边缘检测技术对灰度图像局部进行边缘检测，把边缘信息作为神经网络的输出，对局部图像数据进行神经网络模型训练，通过训练得到的局部图像模型预测得到整幅图像像素的边缘信息，通过对BP神经网络和小波神经网络的边缘检测结果进行对比实验可知，小波神经网络模型预测得到的边缘检测信息不仅比BP神经网络模型好，而且也可以更清楚地得到边缘近邻的更多信息。

针对现有梯度算子在图像边缘检测中存在的对噪声比较敏感的问题，提出了一种改进的高斯—拉普拉斯算子的边缘检测方法。噪声图像中的边缘检测是一项关键任务，然而目前常用的几种梯度算子，包括已经提出的高斯—拉普拉斯算子都没能取得理想效果。提出的方法对传统的拉普拉斯边缘检测算子作了改进，并与高斯滤波器相结合，应用高斯滤波器平滑图像，抑制噪声，再基于拉普拉斯梯度边缘检测器进行边缘检测。最后，在imagenet数据集中选取了10幅图像进行实验，将提出的高斯梯度边缘检测器与传统的边缘检测器进行比较。评估结果显示，提出的方法所获得的峰值信噪比（PSNR）高于对比算法，而均方误差（MSE）更小。实验结果表明，提出的方法在实际应用中能够有效提高噪声图像边缘检测的质量。

基于小波变换的边缘检测，可以再MATLAB语言中实现的源代码。