边缘检测是所有基于边界的图像分割方法的第一步。边缘往往携带着一幅图像的大部分信息，而边缘存在于图像的不规则结构和不平稳现象中，也即存在于信号的奇异点或突变处，这些点给出了图像轮廓的位置，这些轮廓则常常是在图像处理时所需要的非常重要的一些特征条件，这就需要对一幅图像检测和提取出它的边缘。 传统的边缘检测方法，如微分算子法和边缘拟合算子法很难在精度与抗噪上达到一个折中，因此，边缘检测的效果并不理想，针对这个问题，本文研究用满足不确定准则下界的Gabor方法来检测边缘。虽然有人已经对这种方法有过阐述，但其只对一维阶跃边缘作了分析，本文在此基础上，提出了二维阶跃边缘的最佳Gabor滤波器设计方法，同时，提出了斜坡边缘模型，给出了一维斜坡边缘的最佳Gabor滤波器设计方法。 传统的检测方法对清晰图像的边缘检测效果很好，但对噪声相对敏感，尽管Mallat用多尺度小波变换来压制噪声，可是对于有大量噪声的图像，边缘检测效果并不好。多尺度小波系数由于其相关性而在去噪中得到应用，本文提出利用多尺度小波系数的移位相关的性质来最大限度的抑制噪声，提取边缘。新的方法可以有效去除原图像的噪声，得到清晰鲜明的图像边缘。 虽然Gabor和小波的引入能提高边缘检测的效果，但往往因其计算的复杂性而受到限制，本文提出了一种有效的离散Gabor变换算法来计算有限离散实数信号的Gabor系数，同时，也给出了基于FFT的小波 变换快速算法，为理论的快速实现提供了可能性。 为了将提出的理论(如Gabor和小波边缘检测理论)应用于实时性要求较高的场合，如实时牌照识别，除了提出快速算法外，还可以通过提供更快的器件来实现，硬件实现也是理论推向实时应用的关键，同时希望提供的硬件结构与算法能够很好的匹配，以充分发挥硬件的性能。本文用基于TMS320C6205数字信号处理器的实时图像处理板来实现牌照识别系统以及FFT算法，主要包括：1)自行设计和制作了实时图像处理板2)提出了针对TMS320C6205VLIW结构的手动编码方法以及流水线实现方法，用以提高代码的效率3)提出了针对牌照识别系统和FFT算法的优化方法。最后给出的实验结果是满意的，能够达到实时的性能，显示出其应用的价值。