基於FPGA三種邊緣檢測算法的演示

1 拉普拉斯核邊緣檢測

邊緣檢測是另一種常用的濾波器。在物體的邊緣，通常都有像素值的變化，反映了物體與背景的差異，或者兩個物體之間的差異。由於邊緣以像素之間的差異為特點，因此使用差分濾波器可以檢測邊緣。

如圖1所示的拉普拉斯核。

圖1 拉普拉斯濾波器核

拉普拉斯核邊緣檢測展示：

圖2 實驗原圖

圖3 laplacian邊緣檢測實驗結果

2 sobel邊緣檢測

Sobel算法是像素圖像邊緣檢測中最重要的算子之一，在機器學習、數字媒體、計算機視覺等信息科技領域起着舉足輕重的作用。在技術上，它是一個離散的一階差分算子，用來計算圖像亮度函數的一階梯度之近似值。在圖像的任何一點使用此算子，將會產生該點對應的梯度矢量或是其法矢量

Sobel邊緣檢測算法比較簡，實際應用中效率比canny邊緣檢測效率要高，但是邊緣不如Canny檢測的準確，但是很多實際應用的場合，sobel邊緣卻是首選，尤其是對效率要求較高，而對細紋理不太關心的時候。

實驗原視頻

sobel檢測結果演示

3 灰度圖像的形態學梯度邊緣檢測

膨脹粗化一幅圖像中的區域，而腐蝕則細化它們。膨脹和腐蝕的差強調了區域間的邊界。同質區域不受影響，因此相減操作趨於消除同質區域。最終的結果是邊緣被增強而同質區域的貢獻被抑制掉了的圖像，從而產生「類似於微分」（梯度）的效果。

形態學梯度演示