边缘检测是图像处理与分析中最基础的内容之一，也是至今仍没有得到圆满解决的一类问题。图像的边缘包含了图像的位置、轮廓等特征，是图像的基本特征之一，广泛地应用于特征描述、图像分割、图像增强、图像复原、模式识别、图像压缩等图像分析和处理中。因此，图像边缘和轮廓特征的检测与提取方法，一直是图像处理与分析技术中的研究热点，新理论、新方法不断涌现。本文研究了一些边缘检测算法，包括传统的Roberts、Sobel、Prewitt、LoG、Canny、Kirsch等算法，同时还包括现在得到较多关注的模糊增强算法、灰度形态学算法、基于概率的方法、曲面拟合方法等方法。文章中关于这些方法都有较详细的介绍，以及算法的实现步骤。对算法均进行了仿真实验。论文的主要目的是进行图像边缘检测算法性能比较的研究。利用已有的一些定量及定性的方法来比较各种算法的性能。在已有的比较方法中，本文研究了Canny准则、Pratt品质因数、以及边缘品质度量公式(EQS)，使用它们对边缘的特性进行了衡量，这些特性分别为：连续性、光滑性、边缘宽度、定位、定位精度、噪声影响、以及时间复杂度。然后针对定位与定位精度这两种最重要的特征，在Pratt品质因数基础上提出了自己的比较方法。然后将图像分类，对各类图像分别处理，定性的比较算法对各种类型图像的适用性。实验结果表明，本文的算法比较可以为图像处理的后续环节提供一些有益的参考。为图像分割，边缘检测算法的选取提供了参考。