利用细胞神经网络(CNN)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 彩色空间中用Mahalanobis 距离来度量象素之间的差异。为了解决常规边缘提取方法输出二值结果的缺点, 采用可以多值输出的CNN 来进行彩色图像边缘检测。通过Mahalanobis 距离对灰度CNN 度量象素差异的方式进行改进, 使其可以在RGB 彩色空间中进行运算。通过与Sobel、Log 和Canny 等几种边缘检测算子比较, 可以看出新方法的结果更加符合人眼的感知。此外, 在含有丰富细节和微小变化的区域, 新方法可以取得更好的结果。

本实验包括三部分：一：显示一幅真彩色图像的R，G，B分量图像 二：读取某一目录下的十幅图像并在一个面板显示 三：四种边缘检测算法

基于非线性滤波的边缘检测算法 关键词:边缘检测 非线性 滤波

针对带噪声图像，提出了一种改进的Canny算子边缘检测算法。该算法用离散小波变换(DWT)分解和加权重构对图像进行平滑滤波，用Otsu阈值法(最大类间方差法) 求出最佳的滞后阈值,在3×3邻域求得梯度法。实验证明，该算法在较好地抑制噪声的同时保留了更多边缘，检测出的图像边缘更加准确和丰富。

图像边缘检测在医学中有很重要的应用，针对此提出了一种新的边缘检测方法，首先采用canny算子对图像进行边缘检测，然后对检测后的图像轮廓跟踪。

边缘检测（边缘提取）是图像滤波的一种，最常用的主要有三种，Sobel算子，Laplacian算子，Canny算子。 Sobel算子检测方法对灰度渐变和噪声较多的图像处理效果较好，sobel算子对边缘定位不是很准确，图像的边缘不止一个像素；当对精度要求不是很高时，是一种较为常用的边缘检测方法。是带有方向的。在opencv-python中，Sobel算子的主函数代码为： 前四个是必须的参数：第一个参数是需要处理的图像； 第二

Canny边缘检测算法原理及其VC实现详解Canny边缘检测算法原理及其VC实现详解

阐述了基于机器视觉的在线粮库虫情测报系统的系统结构，论述了害虫图像边缘检测是该系统的关键模块。在此基础上详细分析了Roberts算子、Sobel算子、Krisch算子、高斯-拉普拉斯算子在害虫图像边缘检测中的应用。在VC 60平台上实现了这四种方法对粮样图像的边缘检测算法程序的同时，还分析比较了这四种算法对特定粮虫图像边缘检测处理效果的优劣。

总结了目前二维灰度图像的亚像素边缘检测算法，针对它们存在的原理误差、计算复杂、用时长及不能通用等问题，提出了一种新的亚像素边缘检测算法.分析了3种基本边缘（阶跃型边缘、脉冲型边缘、屋脊型边缘）的特点，利用一维质心算法对这3种边缘特征计算上的通用性及简易性进行了二维推广，得到了一种具有快速通用性的亚像素边缘检测算法.并在此基础上针对提高离散化过程中的精度问题，引入了高斯卷积平滑的预处理方法；引入了Sobel算法对图像像素进行了筛选，进一步提高了计算速度.通过实验验证了此算法的有效性，并分析了误差产生的原因.

亚象素边缘提取技术， 比较实用。在分析Tabatabai提出的灰度矩亚像素边缘检测算法的基础上，指出灰度矩算法存在 边缘判断条件不够完善和未能考虑模板效应的问题，提出了改进方法，考虑Tabatabai的灰度矩算 法产生很多虚假边缘，改进算法分析了各参数对结果的影响，对边缘判断条件进行完善。实验结果 表明，所改进算法具有抗干扰性、边缘细化能力强，定位准确的特点，分辨精度可达0．06～O．08个 像素。