Quantum edge detection is one of the important part of quantum image processing. In this paper, a quantum edge detection algorithm is designed for the quantum representation of multi-wavelength image (QRMW) model. The algorithm includes all stages of filtering, enhancement and detection. The proposed algorithm is also designed to apply any filtering operation to QRMW images, not only for a particular filtering operation. The proposed algorithm aims to solve the problems that quantum edge detection algorithms in the literature have processing only for a particular operator and noise reduction. Moreover, the algorithm aims to perform operations more efficiently by using less resources. Low-pass filter (LPF) smoothing operators are applied in the filtering stage for the noise reduction problem. In order to apply all filtering operations to the image, arithmetic operators that can operate with all signed integers are used in the algorithm. The operators Sobel, Prewitt and Scharr in the enhancement stage and the gradient method in the detection stage are used for both verification of the proposed algorithm and comparisons with the existing algorithms. A method with quantitative outcomes is shown to evaluate the performance of the edge detection algorithms. Analysis of the simulations performed on sample images with different operators. The circuit complexity of the algorithm is presented and the comparisons are made with the existing studies. The superiority of the proposed algorithm and its flexibility to be used in other studies are clearly demonstrated by analysis.

中文翻译：

---

一种量子多波长图像的量子边缘检测算法

量子边缘检测是量子图像处理的重要组成部分之一。本文针对多波长图像（QRMW）模型的量子表示设计了一种量子边缘检测算法。该算法包括过滤、增强和检测的所有阶段。所提出的算法还旨在将任何过滤操作应用于 QRMW 图像，而不仅仅是特定的过滤操作。该算法旨在解决文献中量子边缘检测算法仅针对特定算子进行处理和降噪的问题。此外，该算法旨在通过使用更少的资源更有效地执行操作。在滤波阶段应用低通滤波器（LPF）平滑算子来解决降噪问题。为了对图像应用所有过滤操作，算法中使用了可以对所有有符号整数进行运算的算术运算符。增强阶段的 Sobel、Prewitt 和 Scharr 算子和检测阶段的梯度方法用于验证所提算法并与现有算法进行比较。展示了一种具有定量结果的方法来评估边缘检测算法的性能。分析使用不同运算符对样本图像执行的模拟。给出了算法的电路复杂度，并与现有研究进行了比较。分析清楚地证明了所提出算法的优越性及其在其他研究中使用的灵活性。增强阶段的 Prewitt 和 Scharr 以及检测阶段的梯度方法用于验证所提出的算法并与现有算法进行比较。展示了一种具有定量结果的方法来评估边缘检测算法的性能。分析使用不同运算符对样本图像执行的模拟。给出了算法的电路复杂度，并与现有研究进行了比较。分析清楚地证明了所提出算法的优越性及其在其他研究中使用的灵活性。增强阶段的 Prewitt 和 Scharr 以及检测阶段的梯度方法用于验证所提出的算法并与现有算法进行比较。展示了一种具有定量结果的方法来评估边缘检测算法的性能。分析使用不同运算符对样本图像执行的模拟。给出了算法的电路复杂度，并与现有研究进行了比较。分析清楚地证明了所提出算法的优越性及其在其他研究中使用的灵活性。展示了一种具有定量结果的方法来评估边缘检测算法的性能。分析使用不同运算符对样本图像执行的模拟。给出了算法的电路复杂度，并与现有研究进行了比较。分析清楚地证明了所提出算法的优越性及其在其他研究中使用的灵活性。展示了一种具有定量结果的方法来评估边缘检测算法的性能。分析使用不同运算符对样本图像执行的模拟。给出了算法的电路复杂度，并与现有研究进行了比较。分析清楚地证明了所提出算法的优越性及其在其他研究中使用的灵活性。