目前医学影像学是一种有效的现代医学基本诊疗方式，并且随着时间的推移，将来其重要性将越来越突出。在这个领域中，医学诊断的准确性在很大程度上取决于对医学图像的解释。在临床应用领域，由于现代成像技术的复杂性不断提高，对解释图像所需专家知识的需求也日益迫切。直观推断在医疗诊治过程中可以使专家在必要时作出所需的猜测，找到最有希望的解决问题的途径，并有效地处理模糊性数据。知识工程技术可用来阐明和复现这些知识，以增强机器推理能力。为有助于保存、整理和传播经过多年临床实践积累起来的经验知识，将知识工程技术应用到医学图像的解释上，研究和设计基于知识的医学图像辅助解释技术，从而提供图像诊断的辅助工具，是必要的和现实的。边缘检测的一些经典算法主要有:Roberts，Sobel，Prewitt，Kirsch，Laplaee等。这些算法基本上都是针对原始图像的小邻域像素来构造出边缘检测算子，然后对其进行一阶或者二阶微分运算，并求出最大梯度值或者二阶导数零点，再选取合适的阈值对边界进行提取。然而这些算法对噪声比较敏感，并且不能够自适应地对阈值进行选择，所以会产生不理想的检测效果，这些都是存在的缺点。文章对图像边缘检测的理论和算法进行了比较深入的研究，并且在通过对传统的边缘检测算法进行研究的基础上，着重对Canny算法进行了研究，同时结合改进的MTM算法及Otsu算法对Canny算法中的滤波方法以及双门限的选取方法进行了相关改进。最后，用VC++6.0实现该算法，实验结果表明，改进后的算法(CMO算法)得到比传统的Canny算法更好的边缘检测效果。