图像边缘囊括了图像的所在位置、信息分布比重及细节纹理等特性,是形成一幅图像最关键的特征。因此,关于图像边缘的特征分析、研究及提取的新思想和新技术层出不穷。而到目前为止,图像边缘轮廓提取也被公认为是图像处理和机器视觉中非常紧要的研究课题。边缘检测难点就在于怎样才能更好地在平滑噪声和保持图像边缘细节信息两方面做到平衡。本课题主要探究了两种不同领域里的图像边缘提取方法：Canny算子和形态学算子,并且对它们检测到的边缘结果进行了图像融合。主要工作如下：首先,由于Canny算子在图像边缘检测过程中会出现高斯滤波参数的难以设定和无法排除区域噪声干扰这两种比较难以调和的问题,为此,本文利用形态学滤波算子及8-邻域梯度幅值计算方法来提取图像边缘,实验证实,这种方法的使用既能在峰值信噪比和标准差方面有所提高,也能够在滤除噪声的过程中保留更多的边缘像素点,同时,还获得了比较不错的主观视觉感受。其次,传统形态学方法不能精确定位图像边缘,并且对含有高浓度噪声的图像边缘检测成效不是很好。因此,本文给出了一种基于自适应权值选取的形态学边缘轮廓提取方法。该方法先采用3×3十字形和5×5菱形的矩阵元素对图像进行去噪处理,然后再用四种不同方向的矩阵元素对图像进行形态学边缘检测并根据图像轮廓特征设置四个方向的权值,最后通过相应的权值对各个方向提取到的边缘结果进行加权求和。实验证实,改进的形态学边缘检测方法在主观视觉方面和客观评价指标方面效果突出,既能有效去除噪声,也能准确提取到清晰明亮的边缘线。最后,采用小波变换原理结合两种方法的优势进行图像融合,实验证实,不管是在主观视觉感受还是在客观数据方面均好过融合之前单个的方法提取结果。在将这种方法应用在唐卡图像的边缘提取上,最终也获得了不错的提取效果。