边缘是图像中重要的特征之一,是计算机视觉、模式识别等研究领域的重要基础。细胞神经网络(CNN)是一种并行处理器,在图像处理上有很大的发展空间。首先详细描述了用CNN提取图像边缘的过程,给出了所设计的二值图像算法的流程图。利用设计出的网络参数,对二值图像进行了边缘提取,提取结果表明该网络参数是合理的。在二值图像的基础上,实现对灰度图像的边缘提取,改进了前人提出的分8层的算法,给出了一组灰度图像的边缘提取的结果,结果表明改进的算法是更加有效的。建立了基于CNN的算法与传统的算法对图像边缘处理的仿真模型,两者比较得出基于CNN的算法在硬件实现上能够高速并行计算,且处理速度与图像大小无关,所以能够实现图像的实时处理,不失为一种有效的应用方法。提出了基于CNN的图像边缘提取的模板取值范围,在确定范围内对图像进行了验证,结果表明该范围是正确的。在此基础上,深入分析了灰度图像的模板取值,推导了模板取值和其像素值之间的关系,从而确定了灰度图像的自适应模板。最后,对该算法进行了基于FPGA的硬件实现。详细描述了基于CNN的边缘提取算法的实现方法,并给出了实验结果,结果表明这种方法是切实可行的。