传统的边缘检测方法大都基于灰度图像，不能充分利用彩色图像的全部信息。针对已有算法中存在的像素点扩散、边缘定位不准确、边缘不连续等问题，提出了一种彩色图像边缘提取算法，基于图像自身梯度方向信息和多通道信息融合技术，将灰度边缘模板算子扩展应用到彩色图像的边缘检测中，在RGB空间中对原彩色图像进行多通道边缘检测；同时采用滤波来抑制噪声，依靠边缘生长保证检出边缘的连续性，并提出了自适应确定边缘提取门限值的方法。该文提出的彩色图像边缘检测算法计算量小，实验结果表明了其能充分利用图像的颜色和梯度信息，有效地消除噪声，

摘要:VC/C++源码,图形处理,边缘检测 边缘检测VC源码，带可执行文件和所需控件，在Win7、win7SP1下完成测试，Vista SP2（未测试）、Win8（未测试），本边缘检测程序不支持XP操作系统，注意：在Windows XP系统下不能运行生成的Exe程序。 运行环境：Windows/Visual C/C++

针对传统鬼成像方法恢复图像差导致的边缘检测困难,提出了一种建立在高通滤波基础上的鬼成像改进方法。随机生成的灰度图在被输入空间光调制器前先经高通滤波处理,通过关联运算恢复出未知物体不同方向上的高频分量,然后根据所使用的滤波方法以相应的重构方法恢复出边缘图像,实现在无需预知物体信息的前提下对未知物体的边缘检测。实验以Kirsch滤波和非下采样轮廓波变换(NSCT)为例,表明了相比于传统的鬼成像边缘检测方法,该算法得到的边缘图像在主观上平滑性更好,清晰度更高,在客观上其边缘信噪比和均方误差指标均有所优化。

图像边缘检测和图像匹配研究及应用 图像边缘检测和图像匹配研究及应用

...

针对计算机处理高清图像或视频的边缘检测时存在延时长和数据存储带宽受限的缺点，提出了用Vivado HLS将边缘检测软件代码转换成RTL级硬件电路的硬件加速方法。硬件加速是将运算量大的功能模块由硬件电路实现，根据硬件电路工作频率高和数据位宽自定义，可以解决延时长和数据宽度受限的缺点。实验结果表明，边缘检测硬件加速方法不仅使延时和数据带宽都得到了改善，而且也缩短了边缘检测的开发周期。

HED-BSDS用于边缘检测hed算法的实现

边缘检测 C#canny 边缘检测 这是 Canny 边缘检测的 C# 实现。 原型 matlab 脚本在这里实现： :

车牌检测算法的matlab实现，采用边缘检测与形态学处理相结合的方法。有较高的准确率（80%以上）

matlab图片叠加的代码边缘检测exp 自述文件 要在experiment.m中运行代码，必须安装Psychtoolbox-3。 快速操作方法： 1）转到edge_detection_new脚本 2）点击“运行” 3）观察计算机边缘检测如何随着光噪声的增加而减弱 4）转到实验脚本 5）点击“运行” 6）输入您的姓名缩写 7）图像将出现2条红色水平线，且两条水平线之间有一条小垂直线。 使用右箭头和左箭头单独导航红色道路，然后在您看到的区域之间的每个边缘按Enter键。 8）完成图片处理后，请按空格键继续下一张图片 9）这样做总共9张照片 10）转到分析脚本 11）按照第一条评论：更改文件路径data / your data.txt...。 12）点击“运行” 13）查看包含您的数据的新图表，并观察人与计算机边缘检测之间的差异 脚本： edgedetection：对3种不同程度的复杂度（MATLAB徽标，剪贴画懒惰的脸和Serre教授的头像）的图像实施Sobel边缘检测，并具有3种不同的高斯模糊量（0、0.02和0.04）。 主脚本：for循环，用于读取图像，运行函数以计算用于计算边缘幅