圖像邊緣通常指圖像灰度變化率最大的像素點的總和，邊緣廣泛地分布于物體之間、物體與背景之間[1]。圖像邊緣也是人眼和計算機識別圖像、獲取信息的重要特征來源，因此圖像的邊緣檢測在在航空、軍事、人工智能等需要圖像處理的領域都有著廣泛應用研究[2]。

    數學形態學是以集合論為基礎的學科，是幾何形態學分析與描述的工具。數學形態學在計算機視覺、圖像分析、模式識別等方面得到了廣泛的應用。
    傳統的實時圖像邊緣檢測大多只使用Sobel算子進行處理得出邊緣[2]，基本能滿足實時圖像邊緣的要求，但是仍存在很強的背景噪聲[3]。本文利用FPGA對實時圖像進行邊緣檢測并進行形態學的優化，得到的邊緣清晰，同時很好地抑制了背景噪聲。
1 系統總體框架設計
    Sobel邊緣檢測算子是實時圖像邊緣檢測比較常用的算子，在FPGA上實現簡單，對于噪聲有一定的抑制能力，同時又能取得比較好的邊緣檢測效果。
    為了獲得更加精細的邊緣以及更好地抑制背景噪聲，本文利用形態學的閉運算優化邊緣?；贔PGA的實時圖像邊緣檢測形態學優化系統如圖1所示。

    本系統主要設計思想是在實時圖像Sobel邊緣檢測之后，增加邊緣形態學的處理，采用先進行膨脹運算，再進行腐蝕運算實現對邊緣的形態學優化。
2 數學形態學及基本運算
     數學形態學是分析幾何形狀和結構的一種數學方法[4],是以集合代數為基礎,并用集合論的方法來研究幾何結構的學科。數學形態學的思想是利用具有一定形態的結構元素度量和提取圖像的對應特征，達到對圖像分析以及識別的目的。結構元素是數學形態學中最重要、最基本的概念,是在分析圖像時收集圖像信息的探針，在圖像中不斷移動探針就可確定圖像中各部分間的關系，從而提取有用的特征[5]。
   

4 形態學優化檢測結果與分析
    圖5為采用Sobel算法進行實時邊緣檢測后的圖像，圖6為采用Sobel算法進行邊緣檢測之后,又經形態學閉運算優化的圖像，即改進算法的結果。對比運行結果可以得出,本系統對于實時圖像進行邊緣檢測之后，進行了形態學閉運算的優化，檢測的精度顯著提高，特別是背景噪聲得到很好的抑制。

    本文采用Sobel算子實現實時圖像的邊緣檢測，再進行數學形態學閉運算的優化，最后在友晶公司的DE2-70的FPGA平臺上實現。與傳統邊緣檢測相比，本文方法進一步提高了圖像邊緣檢測的精度，同時很好地抑制了背景噪聲?？蓱迷诒O控、航空等實時性高、計算量大的領域。
參考文獻
[1] 高德威,陳天煌,劉朋.蟻群算法在圖像邊緣檢測上的應用研究[J].計算機與數字工程,2009,37(1)：131-134.
[2] 劉紫燕.實時圖像邊緣檢測的設計及FPGA實現[J].電子科技, 2011,24(12):1-3,6.
[3] 李杰,彭月英,元昌安,等.基于數學形態學細化算法的圖像邊緣細化[J].計算機應用，2012,32(2):514-516,520.
[4] 何希平,基于鄰域Mean-Shift 的彩色圖像濾波算法[J].計算機應用，2011,31(2):386-389.
[5] 趙德春,彭承琳,陳園園,等.用形態學改進醫學圖像邊緣檢測算法[J].重慶大學學報， 2010,33(2):123-126.
[6] 張廣軍.視覺測量[M].北京:科學出版社,2008.
[7] 谷陸生.基于SOPC的實時邊緣檢測系統的研究[J].電子技術應用,2009，35(8):47-48,75.
[8] 李明,趙勛杰,毛偉民.Sobel邊緣檢測的FPGA實現[J].現代電子技術,2009,33(16):44-46.