目前，被广泛使用的经典边缘检测算子有Sobel算子，Prewitt算子，Roberts算子，Log算子，Canny算子等等。这些算子的核心思想是图像的边缘点是相对应于图像灰度值梯度的局部极大值点。然而，当图像中含有噪声时这些算子对噪声都比较敏感，使得将噪声作为边缘点。由于噪声的干扰，不能检测出真正的边缘。一个拥有良好属性的的边缘检测算法是每个研究者的追求。利用小波交换的特点，设计了三次B样条平滑滤波算子。通过利用这个算子，对利用小波变换来检测图像的边缘进行了一定的研究和理解。

基于小波变换的图像边缘检测代码。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

小波变换边缘检测matlab代码小波图像边缘检测 该代码实现了Mallat和Hwang（1992）的方法，该方法使用小波变换模量最大值方法检测图像中的边缘。 如参考文献中所述，此方法类似于Canny边缘检测方法，但在小波变换的上下文中进行了解释。 本文概述了通过“平滑函数”及其部分导数构造的小波。 在这里，选择的平滑函数是联合正态二维零均值方差高斯分布，部分是由于其在边缘检测和图像处理方法中的现有应用。 samples/目录包含一些样本输入图像和带有某些参数的代码输出。 输出文件名可以解释如下： s${integer}代表算法评估时的二进比例因子的指数。 因此s4表示生成的输出图像的比例因子为2 ^ 4。 t${number}代表最终阈值，该阈值用于消除图像中的任何残留噪声。 因此， t015表示从最终输出图像中删除了所有低于0.15的最终像素值。 要运行代码，请在matlab中打开wtmm.m文件，并将img_file_name值更改为图像的相对文件路径（最好是JPEG格式）。 然后，在运行代码之后，将弹出一个窗口，允许您保存输出图像。 在代码中调整scale和threshold值可

传统的边缘检测方法主要有Robert算子、Prewitt算子、拉普拉斯算子、Canny算子等，这些方法只是在既定的同一个尺度上进行，不利于区分图像中小尺度结构的轮廓和大尺度结构的边缘。

3次B样条小波变换边缘检测，已经调试~a=imread('lena.jpg'); b=rgb2gray(a); %转换成灰度图 imhist(b); %小波多尺度边缘检测主程序 close all clc I = b; [row,col]=size(I); %使用的小波函数 wname='myb3';

边缘检测该算法采用的是样条小波，为了更好的检测边缘，用a tuous 算法代替了mallat算法。

用于小波变换的边缘检测论文参考，各位大学即将毕业的同学可以借鉴，但是切勿抄袭，祝大家顺利毕业

采用小波变换模极大值法检测图像边缘！