边缘包含了图像大部分信息,边缘检测是图像处理和分析的关键步骤,对后续高层次的特征描述、匹配和识别等有着重大的影响。本文首先对一些传统的边缘检测算法和近年来广泛受到关注的边缘检测算法进行了综述,同时将其中传统的边缘检测算法进行了代码实现并给出相应的分析。然后分析了遗传算法的特点及其适用的问题,再将遗传算法应用到传统的Canny算法中,提出了一种基于改进遗传算法的自适应Canny边缘检测算法。该算法能够很好的解决传统算法中阈值难以自动选取的问题,提高了算法对不同图像的自适应性。同时,改进后的Canny算法在图像梯度幅值的计算方法和非极大值抑制上都采用了新的方法,能够很好的提高图像边缘检测的精度和准确度,并且一定程度上抑制了噪声对检测结果的影响。在文章的最后,我们将改进的自适应Canny算法在Visual C++下进行编程实现,并通过多个图像检测结果将其与传统算法进行了对比分析。改进的自适应Canny算法在保持了Canny算法原有的定位准确、单边响应和信噪比高等优点的基础上,提高了Canny算法在提取图像边缘细节信息和抑制假边缘噪声方面的性能。