边缘是图像的基本特征,边缘检测是图像处理的基础,并在图像识别、图像剪切、图像压缩等领域起着重要作用。目前的边缘检测的方法日趋多样化,传统的Roberts算子、Sobel算子等已经很少单独使用,神经网络等其他学科的知识在边缘检测中用的越来越多。神经网络所具有的自学习、自适应和很强的信息综合能力,决定了它可以很好地模拟人眼的功能,完成普通的边缘算子难以完成的边缘检测。运用神经网络进行数字图像的边缘检测成为近年来的研究热点。在现有的理论基础上,本文主要做了以下几方面工作:(1)介绍了边缘检测的意义及发展状况,学习了成熟的边缘检测算法和神经网络的基本理论。(2)以矩阵式二维条型码图像为试验仿真对象,根据仿真结果分析了经典边缘检测算法的优缺点。(3)对图像进行预处理。把条码图像进行色彩变化、滤波和旋转。其中旋转校正是图像预处理的重点,把图像向垂直方向作投影,记录投影波形的波峰宽度,旋转图像寻找波峰宽度最小的位置,即是图像的最终校正位置。并根据波峰有效宽度的起始位置找出整个矩阵条型码有效信息的垂直边缘,同理得到水平边缘,从而确定了图像的有效区域。(4)根据水平和垂直边缘剪切图像,并把图像分成多个子图。用离散型Hopfield神经网络检测每个子图,各个子图检测结果拼在一起就读出了完整的二维条码信息。(5)总结了本文的主要研究内容和取得的成果,展望了课题未来的研究方向。