本文设计了一种基于FPGA 为核心的图像处理系统，实现了图像的采集、传输、缓储和预处理，经过试验证明，处理速度达到了10ms级别，满足图像处理实时性的要求。

针对不均匀光照条件下球体识别误检率问题。充分利用球体的颜色和形状信息。对彩色图像经过图像增强预处理后，通过基于HSV彩色空间模型阈值分割的方法，对球体颜色进行识别。将图像转为灰度图像后，通过自适应阈值分割的方法有效地去除了不均匀光照条件对图像分割的影响。在使用Candy边缘检测算法对边缘进行提取后通过基于霍夫变换找圆的方法找出球体的圆。最终经过两个先验信息特征量的交叉匹配，确定目标球体。实验表明该算法有效提升了不均匀光照条件下球体目标识别的准确率。

首先研究了1D方波信号边缘处的相位分布特点，发现不同频率分量在边缘处的相位不一定收敛于同一个角度值，而是会随着占空比的变化而变化。因此，基于局部能量的相位一致性模型实际上是不同频率分量利用幅度加权后的平均结果。由于在多数自然图像中，图像频率分量的幅度会随着频率的增加而呈反比下降，基于局部能量的相位一致性模型主要由低频分量决定，这样在一定程度上降低了对边缘空间定位的精度。为了提高边缘检测的空间分辨力，提出了两种新的相位一致性模型。利用二维Log Gabor 滤波器提取图像的局部相位信息，分析了利用这三种相位一致性模型进行边缘检测的结果。实验表明，利用两种新的相位一致性模型可以检测到更加细致的图像边缘信息，具有更高的边缘空间定位能力。

TMS320C6678多核程序，进行边缘检测，OpenMP模型下进行多核实现

小波边缘检测的MATLAB程序

提供一些简单的图像处理，能打开BMP图像，进行反色、sobel边缘检测、中值滤波等简单处理

本文主要讲解了canny边缘检测原理：计算梯度幅值和方向、根据角度对幅值进行非极大值抑制、用双阈值算法检测和连接边缘以及python 实现

利用改进的BP神经网络模型导出了一种新的彩色图像边缘检测算法。为了充分利用图像中的颜色信息,在RGB彩色空间中通过欧式距离度量像素之间的差异获得灰度图像;为了降低训练样本的数量,将灰度图像二值化作为导师信号;针对传统的边缘检测算法容易产生边缘断裂、不连续等缺点,文章将动量法与自适应学习速率结合起来对传统的BP神经网络进行了改进。利用该方法对二值图像进行了边缘检测,实验结果表明,该方法对二值图像的边缘检测较传统的检测方法具有更好的效果。

基于OpenCV的焊缝图像边缘检测方法

Canny边缘检是在在1986年提出来的，到今天已经30多年过去了，但Canny算法仍然是图像边缘检测算法中最经典、先进的算法之一。 相比Sobel、Prewitt等算子，Canny算法更为优异。Sobel、Prewitt等算子有如下缺点： 没有充分利用边缘的梯度方向。 最后得到的二值图，只是简单地利用单阈值进行处理。 而Canny算法基于这两点做了改进，提出了： 基于边缘梯度方向的非极大值抑制。 双阈值的滞后阈值处理。