医学图像在临床诊断和治疗中具有重要地位,但其复杂模糊的边缘以及背景与噪声难以区分的特性会对医师的诊断结果造成干扰。作为数字图像处理和计算机视觉的一个关键部分,边缘检测是图像分析和识别的基础,可以提高医学图像的可读性,故而得到广泛关注。数学形态学作为一门新兴的图像处理学科,可以被应用于医学图像的边缘检测领域,对于诊断疗效的提高具有重要的实践意义和应用前景,一直是自动识别领域的一项热门课题。本文的主要研究内容是基于数学形态学的思想对医学图像进行边缘检测。论文首先阐明了边缘检测和数学形态学的基本理论,并详细分析了几种经典边缘检测算法的性能。针对医学图像的特点提出自适应门限的改进中值滤波算法进行图像预处理,从而更多的保留图像细节,有效去除噪声。结合传统的形态学边缘检测算法以及医学图像的特点,在前人研究的基础上提出了一种多尺度全方位结构元素的广义形态学最小模糊化边缘检测算法。这种改进算法是基于广义抗噪型形态学检测算子,并通过多尺度全方位结构元素进行边缘加权组合,可以有效提取图像的边缘信息;再将获取的边缘信息减小模糊化程度,通过这种复合修正而得到最终的边缘信息。在MATLAB7.0平台下对医学图像进行仿真,图像仿真和数据分析的结果表明提出的改进算法不仅能够有效抑制噪声,并且可以获取较理想的医学图像边缘信息。该算法在医学图像处理中具有一定的实用价值,能够有效提高医生诊断的效率。