并行处理技术领域非常广泛,包括硬件技术、并行体系结构、并行操作系统、并行语言、并行编译系统、并行软件和并行算法等。虽然使用范围很广,但目前国内外的并行算法应用研究明显地滞后于其体系结构的发展,许多方面尚处于探索阶段,技术上还不是很成熟,其中最主要的表现就是配套软件的欠缺,任务合理分配的问题和通信与同步的问题。由于图像处理过程中的数据量巨大,而且各种算法中大量卷积运算和矩阵乘法运算的存在,就为图像处理过程中的并行算法设计和实现提供了可能。并行算法的设计是为了提高图像处理的速度,在有限的空间和时间处理更多的图像数据。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的经典研究课题之一。图像分析和理解的第一步常常是边缘检测。边缘检测的目的是去发现图像中关于形状和反射或透射比的信息,是图像处理、图像分析、模式识别、计算机视觉以及人类视觉的基本步骤之一。其结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。本文首先对基于灰度图像边缘检测中的主要方法进行了分析研究。介绍了经典的图像边缘检测方法,包括一阶微分边缘检测的Roberts边缘检测,Sobel边缘检测和Prewitt,Robinson,Kirsch边缘检测,以及二阶微分边缘检测的Laplacian边缘检测和LOG边缘检测,并通过实验的方式比较了这些图像边缘检测算子的实际效果。然后,讨论了如何降低模板算子的计算步,以Kirsch算子为例给出了减少模板算子的计算步骤的方法。改进后的算法较经典算法复杂度减少了一半,这说明算法的改进效果是明显的。最后,进行了图像边缘检测并行算法的研究和设计。使用静态负载平衡、多进程归约两种策略,实现了图像边缘检测算子在图像处理中的并行算法,并在模拟集群环境下实验运行,获得了相对比较好的实验结果。通过实验数据和理论性能分析,给出了并行算法的可扩展性。与此同时,参照加速比和并行效率,讨论了算法设计方法的改进。