医学图像几乎全部是把肉眼不可见的信息变成可见信息,是反映人体生物组织器官的复杂图像。现代医学越来越离不开医学图像提供的信息,由于它能够直观地反映病人的病情,最大限度的向医生提供病人的信息,所以它在疾病的确诊、分期以及选择治疗方法和手段方面起决定性的作用。医生在临床上越来越依赖医学图像,医学图像在现代医学中占有越来越重要的位置。医学图像处理技术是按照临床的要求,利用计算机对医学图像进行处理和加工的技术,而计算机处理对象只能是数字图像,所以本文研究对象为数字医学图像。边缘是图像中特殊的灰度变化模式,包含着丰富的信息。数字图像边缘检测就是对数字图像中具有特定模式的灰度变化点的定位、定向和度量,是数字图像处理和分析的关键步骤,对后续高层次的特征描述、匹配和识别有着重大的影响。但是由于边缘自身的复杂性再加上外界条件的干扰,边缘检测是个很复杂的问题。本课题研究了数字医学图像的边缘检测方法,在已有边缘检测方法基础上,分别基于传统Canny算子和小波变换提出两种改进的边缘检测算法,在一定程度上提高了边缘定位精确度,抑制了噪声的干扰。本课题的研究成果主要包括：(1)介绍了几种经典的边缘检测算法,论述了这些算法的检测原理。并通过实验仿真对这些算法进行对比分析,指出各自的优缺点。(2)基于传统Canny算子提出一种改进的Canny边缘检测算法：利用迭代算法求最佳分割阈值,并对检测后图像用数学形态法进行细化。该算法在保持了传统Canny算子原有的定位准确、单边缘响应和信噪比高等优点的基础上,有效地提高了Canny算子去除伪边缘和抑制噪声的能力。(3)在小波融合技术上,基于小波变换提出一种改进算法：首先对原图像进行小波除噪和平滑滤波,再分别用小波变换模极大值边缘检测法和改进的Canny边缘检测法进行边缘检测,得到各自的边缘检测图,然后遵循一定的融合规则下对其进行小波融合,最后进行小波逆变换重构融合图像。通过仿真实验证明：融合后的图像综合了两种边缘检测方法的优点,是一种有效的图像边缘检测方法。最后,分析并展望了数字图像边缘检测的研究前景。