边缘检测一直是图像处理领域研究比较多的课题,也是一个热点课题。经过多年的研究,许多算法被提出。边缘检测算法主要分为以下六大类:空域微分算子法、小波变换法、神经网络法、分形理论法、模糊检测法、数学形态学法。其中数学形态学作为一种非线性滤波算子被广泛地研究,主要方法有:形态学梯度法、Top-hat法和多尺度法。在经典形态学中,各种运算均以结构元素与图像形态上的匹配程度来决定变换的结果。因此当需要处理的对象具有不同的表现形态时,不同的结构元素就必须被同时使用。这导致了很大的结构元素集,不仅使系统效率低,也难以获得满意的效果。基于这种认识,产生了基于轮廓结构元素的形态学(Contour Bougie),简称为CB形态学。这种形态学运算建立在新的处理原则上,从而弱化了结构元素形状对处理结果的影响。作为一种新理论,CB形态学在滤除噪声以及保护图像细节信息方面有着无可比拟的优势。本文主要讨论CB形态学的相关知识,并在其基本运算的基础上,引入多尺度的概念,进而提出了基于CB形态学的多尺度边缘检测新算法。本文给出了经典形态学的多尺度算法、CB形态学的单尺度算法和CB形态学的多尺度的算法,并从处理结果和计算量等多个角度进行了比较,讨论了各种算法的优点和缺点。