众所周知,图像的纹理信息非常丰富,其中图像的边缘作为图像的基本特征之一,是分析和理解图像中事物性质的重要理论基础,因此,对图像进行边缘检测操作也是进一步深入分析图像的重要的预处理过程。通过边缘检测方法以区分开图像中目标与目标之间以及待提取的目标与图像背景之间的边界。近年来,不管是国内还是国外众多的学者、各机构的研究员都研究出了理论依据不同的检测方法。比如,大家所熟悉的Roberts算子、Sobel算子、Laplace算子、Prewitt算子、Log算子等这些最早期的图像边缘检测方法。这些早期的方法在进行边缘检测操作时存在许多的不足之处如检测的边缘不完整、模糊等缺点。数学形态学作为一种新型的边缘检测方法具有很多的优点如在进行边缘检测时不仅可以简化要处理的图像数据而且还可以保持图像的基本形态特征信息。它是建立在集合论之上、以几何学为基础、以图像的形态特征作为研究对象、由一组完整的算法构成的非线性图像处理方法,因此近年来它在图像处理的各个领域得到了广泛的应用。首先,本文主要对课题的研究背景、研究意义以及国内国外关于图像边缘检测技术的目前研究状况如何进行了阐述。然后再进一步对几种大家所熟悉的最早期传统的图像边缘检测方法与线性的边缘检测算子的理论知识和性质,以及其他几种新出现的边缘检测方法进行了介绍,并用以上所介绍的部分边缘检测方法进行了实验仿真从而更能直观地体现出不同方法之间检测效果的差异性。接着对数学形态学具体的理论知识进行了具体地阐述,从二值形态学理论到灰度形态学理论以及它们分别在实际的图像处理中的应用事例。其次,对目前存在的几种比较主流且使用较多的以数学形态学为理论支撑的边缘检测方法进行了介绍且也给出了实验仿真。最后,针对现有形态学检测方法所存在的各种问题,在原有形态学检测方法的基础上进行改进,优化结构元素、优化数学形态学的滤波方式,得到了一种新型的抗噪声能力强且具有多尺度多结构元素的形态学边缘检测算法。该改进型算法的工作原理是:为了排除图像中噪声的干扰,首先,第一步采取不一样尺度的结构元对图像交替滤波操作,接着再使用多方向的结构元执行形态学边缘检测操作以获得图像的边缘图像。通过实验验证了本文改进的算法是一种有效可行的算法,它不仅能够滤除椒盐噪声同时还能够精确地的定位到图像的边缘,是一种运行速度较快、高准确率的实用型算法,可以用于提取实际图像的边缘。