图像边缘检测是图像处理领域中经典的技术难题之一,是前期视觉理论和算法中的基本问题,也是中期和后期视觉处理成败的重要因素之一。图像的边缘携带了图像大部分信息,是图像的基本特征。它在图像识别、图像分割、图像增强以及图像压缩等领域中有着较为广泛的应用。边缘检测质量的好坏直接影响后续图像处理的效果,甚至决定其成败,因此,边缘检测的作用至关重要。图像本质上具有模糊性,有以下三方面原因：一是图像是由三维空间投影在二维平面上的,因此会带来部分信息丢失。二是在定义图像的边界、区域和纹理等时存在模糊性。三是对图像底层处理结果的解释带有模糊性。但这些不确定性不完全是随机的,单纯用随机理论来处理是不适合的。所以模糊理论在图像处理问题的使用有着一定的合理性和必然性。区间二型模糊集是一类特殊的二型模糊集,其次隶属度的值等于1,比起一般二型模糊集较简单。传统构造区间二型模糊集都是通过模糊化因子把一型模糊集的隶属函数转化成上、下隶属函数。本文中介绍了一种HM方法,把一幅图像对应的模糊矩阵通过运算直接得到区间二型模糊集的上、下隶属函数。模糊熵描述了一个模糊集的模糊性程度。基于模糊熵的图像边缘检测效果比传统的图像处理方法要好,因此成为了图像分析的研究热点。目前提出的BurilloBustince和Zeng两种区间二型模糊熵都存在着一定的缺陷,基于此原因对目前的区间二型模糊熵做了改进。本文利用HM法构建的区间二型模糊集和改进的区间二型模糊熵进行图像边缘检测,最后运用MATLAB进行仿真实验,并与之前的结论进行对比,取得了较好的效果。