图像的边缘是图像最基本的特征之一，它是图像中的不规则结构和不平稳现象的重要体现，并且它携带着图像中的绝大部分信息，给出了整幅图像的轮廓，而这恰恰是进行图像识别和图像理解的重要参数，因此边缘的提取就成为了图像处理中首要的和最重要的一个步骤，提取的结果直接影响到图像识别的精度。边缘检测一直是图像分析、图像处理和机器视觉领域最经典的研究内容之一，是进行图像信息提取和模式识别的基本手段。图像的边缘检测技术经历了很长的研究历史，边缘检测在图像识别、图像分割以及图像压缩等领域有着广泛的应用，一直是研究的焦点和热点问题。实际处理的图像一般都包含有噪声，如何消除各种噪声干扰引入的伪边缘并且又保证边缘的准确定位成为边缘检测技术中亟待解决的一个问题。本文首先综述了数字图像处理的研究内容和应用前景，强调了边缘检测在图像处理中的重要性。然后介绍了小波变换的基本理论，并对几种经典的图像边缘检测算子进行了分析，研究对比各算子的特点，总结出各算子的优缺点并由此引出小波变换在图像边缘检测中的研究。参照最佳边缘滤波器的设计要求，选取高斯函数作为小波变换的基函数。在此条件下，利用小波局部模极大值多尺度分析方法对图像进行边缘检测。在获取图像边缘过程中，采用沿梯度方向计算模的局部极大值和基于图像分块原则自适应地选取阈值。对比与传统的模极大值边缘检测方法，该算法在一定程度上克服了既能抑制噪声的干扰又能取得较好边缘检测效果的矛盾。在此基础上，提出了中值滤波处理结合方向小波变换的图像边缘检测方法。首先通过中值滤波去除图像中的脉冲噪声，然后采用方向小波变换得到图像在不同方向上的边缘并将各方向边缘融合得到图像的完整边缘，再对图像边缘进行自适应图像分割得到最终的单像素二值边缘图像。实验证明，本文方法不仅很好地抑制了脉冲噪声给图像边缘检测带来的干扰，又大大减少了伪边缘出现的可能性，取得了令人满意的精确二值边缘图像。本文在最后就课题研究的结果予以总结，并阐述了今后课题研究的重点。