图像处理技术广泛应用于我们日常生活和工农业生产中,边缘检测作为图像处理的重要环节对其进行研究有着重要的理论和实践意义。本文分析了目前经典边缘检测算法存在的优缺点,提出了一种改进的模糊推理边缘检测算法,并将其应用于苹果分级和缺陷检测中。由于采集到的图像存在噪声,在进行边缘检测之前需要进行滤波处理。而传统非局部均值滤波算法,对含有混合噪声图像的滤波效果较差,不能很好地保护图像细节特征,本文针对上述问题在该算法的基础上进行了改进。对含有混合噪声图像中的椒盐噪声点进行标记,用其邻域像素中值代替椒盐噪声像素值;对图像中的随机噪声进行检测标记,在噪声点处进行迭代滤波操作,当满足终止条件时输出滤波图像。实验结果表明本文改进算法具有更好的滤波效果。其次,本文针对传统模糊推理边缘检测算法抗噪性能较差、阈值设定不具有自适应性、图像边缘为非单像素等问题,对模糊推理边缘检测算法进行了改进。将全向小波变换得到的四个方向小波变换幅值,作为模糊推理系统的输入;使用自适应阈值来代替人为设定阈值;通过边缘细化算法对二值边缘图像进行细化操作,得到最终边缘图像。实验结果表明,本文算法有效地改善了传统模糊推理边缘检测算法的缺陷,提取的边缘效果更好。最后,将本文提出的相应算法应用到苹果分级和缺陷检测当中。利用本文改进滤波算法对图像进行预处理,得到较好的初始图像。利用边缘检测算法对滤波后的苹果图像提取边缘,然后进行填充处理,根据苹果在图像中的大小进行分级。缺陷检测是通过提取彩色通道中苹果所在的区域,然后进行阈值分割来实现的。为了便于实际应用,本文还利用MATLAB设计了GUI界面。实验表明,本文提出的改进模糊推理边缘检测算法具有较高的抗噪性和准确性,具有较强的实际应用价值。