图像的边缘是图像最基本也是最重要的特征之一。边缘检测一直是计算机视觉和图像处理领域最经典的研究课题之一。对于边缘的检测,已经有了众多的方法。其中包括基于梯度算子的方法和LoG算子边缘检测方法。本文针对这两类方法,开展了以下两方面的研究工作:首先,针对梯度算子在实际应用中的不足,我们提出了一种改进算法-基于梯度幅值的自适应边缘检测算法;根据梯度幅值计算方法求出整幅图像像素点的梯度幅值均值和图像中所有像素点的梯度幅值相对于均值的方差。再由图像的梯度幅值均值和方差计算出图像的最佳阈值。最后根据本文提出的噪声剔除方法对由最佳阈值判定而得到的初始边缘中的噪声点进行剔除,从而得到最后的边缘。实验结果表明本文提出的算法在最大限度地增强边缘的同时也较好地抑制了噪声。其次,针对LoG算子在实际应用中不能根据具体图像获取最佳高斯空间系数的不足,本文提出了一种改进算法-基于LoG边缘检测的自适应算法:通过对数据库中的样本图片求取次度共生矩阵的熵和最佳高斯空间系数并利用曲线拟合方法得出了熵和高斯空间系数的对应关系。根据求得的对应关系和具体图像的灰度共生矩阵的熵,能自动获取适合该图像的高斯空间系数的值。实验表明,利用这个高斯空间系数值进行LoG边缘检测,能更好地抑制噪声并能较精确地定位边缘。本文开展的研究,丰富了边缘检测方法的理论与实践,具有一定的理论和现实学术价值。