本文对图像的边缘检测的各种算法和算子做了分析和总结。本文阐述了Roberts算子、Prewitt算子、Sobel算子和Laplacian算子的边缘检测方法，并在VC++下对它们进行了验证。利用Prewitt算子边缘检测方法得到了一个完整的边缘检测算法，先后对图像进行灰度变换、区域分割和坐标读取。在SOPC系统中进行硬件搭建，生成NIOSII系统，并对算法和系统进行编程控制。从算法对大量图像边缘检测的结果看，这种算法虽然简单但效果很好，既能有效消除噪声影响, 准确地检测边缘信息, 又能较好地保持目标边缘的连通性，是边缘检测的一种很好的使用方法。

比较几种算法的验证结果，可以看到，Sobel边缘检测能产生较好的边缘检测效果，而且受噪声的影响也比较小。Sobel算子对噪声具有平滑作用，提供较为精确的边缘方向信息，但它同时也会检测出许多的伪边缘，边缘定位精度不够高。Roberts算子采用对角线方向相邻两像素之差近似梯度幅值检测边缘。检测水平和垂直边缘的效果好于斜向边缘，定位精度高，对噪声敏感。Prewiit算子的特点是平均，微分，对噪声有抑制作用。

这么多方法，到底哪一种方法好呢？这个问题没有一般的答案。因为任何一种方法都是在一定的假设基础上给出的，效果的好坏要看实际与假设的符合程度。除此之外还要看应用的目的，边缘检测只是一个中间过程，它不是我们的最终目的。

图像的灰度变换

图像的灰度变换是对图像像素的灰度值进行处理, 突出有用信息并抑制干扰信息。有些图像的对比度很差, 直接处理容易丢失有用信息, 需要对原图像进行灰度标度变换, 以增强图像的对比度。而对于一些对比度好, 边界轮廓清晰的图像, 也可不经过灰度变换。本文采用的是分段线性变换, 目的是突出对提取边界有用的灰度区间, 相对抑制那些对边界提取产生干扰的灰度区间。在这里采用三段线性变换, 其变换的数学......

本篇论文首先是对SOPC技术进行了介绍，以及相关开发所涉及到的知识，软件工具等。然后比较经典的边缘检测算法，并对它们进行了VC++下的仿真。根据它们不同的特点，对算法进行选择，即图像边缘检测方案的确定。本文提出的基于Prewitt算子的算法是先进行图像的灰度变换，增强图像边界的对比度,然后利用Prewitt算子求梯度,提取图像的边界信息，对它进行后期处理。实验表明，这个算法既能有效消除噪声影响, 准确地检测边缘信息，又能较好地保持目标边缘的连通性。然后用软件实现算法，接着在NIOS II IDE下对组件和外部模块的程序控制。最后，将软硬件设计联合起来实现本设计。