图像边缘是图像最基本的特征之一，常常是我们在图像处理时需要的非常重要的特征条件，又由于边缘检测在许多方面都有着非常重要的使用价值，所以人们一直在致力于研究和解决如何构造出具有良好性质及好的效果的边缘检测算子的问题。 本文研究的是用变点统计理论最小二乘法来处理甲骨文图像边缘检测问题。变点理论是解决模型中某个或某些量起突然变化问题的，边缘检测是寻找灰度发生剧烈变化的点的，从本质出发，用变点理论解决边缘检测问题是可行的，而最小二乘方法是变点理论中较为容易实现的算法之一。到目前为止，变点分析理论最小二乘方法还未应用剑边缘检测领域。 由于变点理论最小二乘法中，并未给出变点个数未知时较为可行的变点个数估计方法，并且在运用本文方法进行检测模拟时，发现检测结果与初始变点位置的选取很有关系。针对上述两个问题，在文中，我提出了利用游程来解决具体问题。所得结果，合理可行。 统计方法中解决边缘检测问题没有使用微分运算，这会大大降低噪声对检测结果的影响，具有较强的抗干扰性。而本文提出的基于变点统计理论的最小二乘边缘检测算法具有较强的抗噪能力，适应能力等要求，使它不仅能保证边缘点的一致性和连续性，还能确保检测结果与真实边缘的唯一件。通过与常见的边缘检测算子检测结果的比较，以及对加噪图片进行边缘检测结果的比较，结果都表明了本文算法效果优异，使得方法的有效性得剑了验证。程。