物体检测、目标跟踪等图像处理算法的嵌入式设计与实现节省了人力物力,提高了人们的工作效率。为保证图像处理算法的精度,边缘增强算法被用来进行数据预处理,而预处理算法使得嵌入式图像处理算法的设计和验证变得复杂。为简化嵌入式图像处理算法的开发流程,本文将探索边缘增强算法的Simulink-嵌入式一体化设计与实现。ARM嵌入式处理器采用精简指令集（RISC:Reduced Instruction Set Computer）架构,以其为核心的嵌入式图像处理平台支持操作系统,更加适合复杂的应用场景。Pand Board配置双核ARM Cortex-A9处理器、图形加速器和Linux操作系统,支持全高清多标准视频编解码,适合复杂图像处理算法的设计和开发。此外,通过Simulink对Pand Board的支持包,基于Simulink设计的图像处理算法可以直接被编译成Panda Board上的Linux应用程序,提高算法研发效率。本文通过将基于Simulink设计的图像二值化算法和边缘检测算法在Panda Board上加以实现的方式,证明了图像处理算法Simulink-Panda Board一体化设计与实现的可行性。现场可编程门阵列（FPGA,Field Programmable Gate Array）兼具数据快速处理能力和硬件设计灵活性。以FPGA为数据处理核心的嵌入式图像处理平台被广泛地应用于各种嵌入式图像处理场景中。在传统FPGA开发流程中,设计算法需要手动编写大量代码,算法验证所需代码量更大,通常验证任务会占用设计周期的一半或者更多。采用HDL（硬件描述语言）进行FPGA系统功能仿真,过程比较复杂,而且不能检测出系统级的错误,开发效率低下。HDL coder可以将Simulink设计的图像处理算法转换为硬件描述语言,然后进行FPGA系统功能仿真。这样的开发方式可以省去大量的代码编写工作,而且可以很方便的进行系统仿真。本文通过将基于Simulink设计的边缘锐化算法在FPGA嵌入式图像处理平台上加以实现的方式,证明了图像处理算法Simulink-FPGA一体化设计与实现的可行性。总之,本文通过边缘检测算法和边缘锐化算法的Simulink-嵌入式一体化设计与实现,证明了Simulink-嵌入式一体化开发的可行性,为图像处理算法的嵌入式设计与实现探索出了更加简便快捷的开发方式。