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

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%。

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。

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。

边缘检测可以大幅度地减少原图的数据量，消除许多没有意义的信息，保留图像重要的结构属性。本文使用Haar小波滤波器，利用小波变换将原灰度图像进行一层分解，产生4个子图像，对水平高频子图像和垂直高频子图像分别进行Sobel算子检测处理，将低频子图像和对角细节图像分别置零处理，然后对处理过的4个子图进行重构，得到的图像与Canny算子对原图提取的特征图像进行了对比。实验结果表明，该方法得到的结果较好。

基于改进滤波算法的地震图像边缘检测方法 图像滤波算法.pdf

基于高阶曲面拟合的图像边缘检测方法，适用于图像处理

图像的边缘是图像最基本也是最重要 的特征之一。 边缘检测一直是计算机视觉和图像处理领域 的经典研究课题之一 。 图像分析和理解的第一步常常是边缘检测 。

：NVIDIA公司提出的CUDA技术通过并发执行多个线程以实现大规模快速计算的能力。在研究CUDA技术在数字图像处理领域应用的基础上，提出了一种基于NVIDIA CODA的方法实现图像边缘检测，把CUDA技术的快速计算的能力应用到数字图像处理领域。从CUDA技术的概况的介绍出发，对基于NVIDIA CUDA的图像边缘检测方法以及该方法的详细实现过程进行了形式化的描述，解决了基于CPU的传统图像边缘检测方法运行效率低的问题。实验结果证明CUDA在数字图像处理的实际应用中卓有成效。

博主撰写博文参考的资料