数字图像边缘检测是图像分割、目标区域识别和区域形状提取等图像分析领域十分重要的基础,是图像识别中提取图像特征的一个重要方法。边缘中包含图像物体有价值的边界信息,这些信息可以用于图像理解和分析,并且通过边缘检测可以极大地降低后续图像分析和处理的数据量。图像理解和分析的第一步往往就是边缘检测,目前它已成为机器视觉研究领域最活跃的课题之一,在工程应用中占有十分重要的地位。经典的边缘检测方法如:Roberts,Sobel,Prewitt,Kirsch,Laplace等方法,基本上都是对原始图像中像素的小邻域构造边缘检测算子,进行一阶微分或二阶微分运算,求得梯度最大值或二阶导数的过零点,最后选取适当的阈值提取边界。但这些算法均存在对噪声敏感、不能自适应选择阈值、检测效果不太理想等缺点。本文对边缘检测理论和算法作了深入的研究,在具体分析各类传统的边缘检测算法的基础上,重点研究了Canny算法,并结合改进的MTM算法及Otsu算法对Canny算法中的滤波方法和双门限选取方法进行改进。最后,用VC++6.0实现该算法,实验结果表明,改进后的算法(CMO算法)取得比传统的Canny算法更好的边缘检测效果。