基于FPGA三种边缘检测算法的演示

1 拉普拉斯核边缘检测

边缘检测是另一种常用的滤波器。在物体的边缘，通常都有像素值的变化，反映了物体与背景的差异，或者两个物体之间的差异。由于边缘以像素之间的差异为特点，因此使用差分滤波器可以检测边缘。

如图1所示的拉普拉斯核。

图1 拉普拉斯滤波器核

拉普拉斯核边缘检测展示：

图2 实验原图

图3 laplacian边缘检测实验结果

2 sobel边缘检测

Sobel算法是像素图像边缘检测中最重要的算子之一，在机器学习、数字媒体、计算机视觉等信息科技领域起着举足轻重的作用。在技术上，它是一个离散的一阶差分算子，用来计算图像亮度函数的一阶梯度之近似值。在图像的任何一点使用此算子，将会产生该点对应的梯度矢量或是其法矢量

Sobel边缘检测算法比较简，实际应用中效率比canny边缘检测效率要高，但是边缘不如Canny检测的准确，但是很多实际应用的场合，sobel边缘却是首选，尤其是对效率要求较高，而对细纹理不太关心的时候。

实验原视频

sobel检测结果演示

3 灰度图像的形态学梯度边缘检测

膨胀粗化一幅图像中的区域，而腐蚀则细化它们。膨胀和腐蚀的差强调了区域间的边界。同质区域不受影响，因此相减操作趋于消除同质区域。最终的结果是边缘被增强而同质区域的贡献被抑制掉了的图像，从而产生“类似于微分”（梯度）的效果。

形态学梯度演示