MATLAB图像处理专栏--边缘检测算法，包含Sobel、Prewitt、Canny、Roberts算子。保证源代码的运行，GUI界面更加便于对比原图与效果图以及保存。

附加的模型在嵌入式 MATLAB 中实现了 Sobel 边缘检测算法。 该演示展示了如何在图像中读取对序列化数据的操作，并在应用 Sobel 算子后从序列化数据重建图像。 该演示检测源图像中停车标志的边缘。 请注意，Sobel 算子的行为和硬件实现都是在嵌入式 MATLAB 中的附加模型中实现的。 硬件实现对串行数据进行操作并完全流水线化。

结合小波变换和数学形态学的优点,提出了一种基于小波变换和数学形态学的边缘检测算法.基于数学形态学的边缘检测,对现有的检测算子进行改进,构造了一种抗噪型边缘检测算子,并使用不同方向的线型结构元素;基于小波变换的边缘检测能有效地保留图像边缘的细节信息,使提取的边缘完整连续.实验结果表明,本研究提出的算法与几种经典边缘检测算子相比,有效抑制了噪声的影响,提高了检测的精度,对各种不同图像具有很好的鲁棒性.

边缘检测算法

针对传统图像边缘检测算法存在的边缘方向性不强及边缘较粗等问题，提出了一种基于八方向卷积模板的边缘检测算法。算法采用0°、22.5°、 45°、67.5°、 90°、112.5°、135°和157.5°八个方向的卷积模板进行边缘检测，模板权值根据中心像素点到邻域像素的距离及方向夹角的大小进行设定，充分考虑到了邻域内像素对中心点方向梯度的贡献大小，能够较好地检测出图像不同的方向边缘。对梯度图像采用了改进的非极大值抑制方法进行细化，可得到单像素的图像边缘。实验结果表明，该算法获取的边缘图像边缘较为完整，方向性强且边缘较细，整体效果明显优于传统Sobel算法。

基于canny的边缘检测算法，含极大值抑制，高低阈值等，可用，matlab编写

传统的图像边缘检测算法的分析与比较.doc

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 :

5经典图像边缘检测算法.doc

文章利用小波变换和多分辨率分析的性质,从多尺度角度对图像边缘检测算法进行分析,总结出小波变换模极大值多尺度边缘检测算法。通过对标准图像Lena进行小波变换模极大值多尺度边缘检测结果发现,其比小波变换模极大值边缘检测算法和Canny算法在部分边缘检测中得到了更多的细节信息,使图像变得更真实。