在数字图像技术中边缘检测是图像分割、计算机视觉、模式识别等应用的关键的第一步，其检测边缘的质量直接决定了后期高层次图像处理的效果，如特征提取、目标匹配、图像测量和目标识别的效果。经过长期的边缘检测算法的研究，边缘检测在抗噪能力和检测的边缘质量上都有了很大的提升，但算法的复杂度也大大增加。在实际应用中面对海量的图像数据，如何保证边缘检测算法的实时性一直是一个难题。设计运算电路固化算法和实现运算并行化可以大大的提高算法的运算速度。在这些解决方案中，基于FPGA的边缘检测算法设计灵活，能够满足人们对图像处理设备小型化、低成本的需求，有着很好的应用前景。本文首先收集了现有的基于FPGA的边缘检测实现方案，了解到受FPGA运算能力的限制，基于FPGA的边缘检测研究主要集中在改进Sobel算子法和简化Canny算法两个方向，虽然算法的处理速度大大提升，但检测的边缘在图像质量上还有待提高，而且算法不具备自适应性，通用性差。针对这两个问题，本文在分析Sobel算子法和Canny算法的基础上，用NMS改进了的基于Sobel算子的边缘检测算法，提高了检测的边缘的质量。通过对比现有的图像阈值选取算法在FPGA上的适用性，结合基于Sobel算子的梯度分布特征，提出一种与算法配套的HMSD阈值选取方法。然后本文在FPGA平台上设计了自适应边缘检测并行算法，采用流水线结构和分布式并联结构对运算电路进行了并行优化，同时提出一种分割子图架构也有效的缩短了算法的处理时间。最后本文在开发板上实现了采用以上自适应边缘检测并行算法的边缘检测系统，通过实验验证了，算法在检测边缘质量上的优越性，同时保证了系统的实时性。总体来说本文在保证实时性的前提下有效的提高了边缘检测的质量，使算法具备了自适应性。是对FPGA技术在嵌入式图像领域的处理应用的一次很好的探索。