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、模式识别等图像分析和处理中。因此,图像边缘的检测方法,一直是图像处理与分析技术中的研究热点。然而,至今发表的有关边缘检测的理论和方法尚存在许多不足之处,比如在检测精度和去噪方面很难达到令人满意的效果。本文针对边缘检测中存在的问题,在对一些传统和新兴的边缘检测方法进行归纳的基础上,围绕灰度图像的边缘检测做了如下一些创新性和探索性工作:研究和分析了常用的图像滤波方法,在此基础上设计了一种将改进中值滤波和自适应滤波相结合的二阶段滤波方法。其中,改进的中值滤波使用多个模板自适应地滤波,以此减少滤除椒盐噪声过程中对图像的损坏,而自适应滤波则能在滤除高斯噪声的过程中很好的保护图像边缘。详细研究了Sobel算子和Laplacian算子在边缘检测中的特点,并根据这些特点设计了两种结合Sobel算子和Laplacian算子的边缘检测方法,即基于梯度相乘的边缘检测算法和基于边缘分类的边缘检测算法。研究了边缘处灰度变化的特点,根据边缘处在图像灰度对比较大的地方这一特点定义了局部灰度差异,而根据沿着边缘方向灰度变化较小,同时沿着垂直于边缘的方向灰度变化较大的特点定义了边缘似然度。在此基础上设计了基于局部灰度差异的边缘检测和基于边缘似然度的边缘检测这两种基于模板思想的边缘检测方法。详细研究了已有一些模糊增强算法的缺陷,并分别从运算量、增强变换的选择、渡越点的选择以及增强变换的调整方面给出了改进意见,最后设计了一种基于改进模糊增强的边缘检测算法,并使用双阈值检测的方法来保障所检测边缘的可靠性和完整性。