边缘检测是图像处理领域中的一个重要分支,是图像分割、纹理特征和形状特征提取等图像分析的重要基础。在图像处理与分析中,由于图像边缘本身的不确定性,使得将模糊理论应用于图像的边缘检测具有得天独厚的优势。因此,基于模糊理论的图像边缘检测技术正受到越来越多学者的重视。本论文首先阐述了模糊逻辑的基本理论,然后介绍了一些经典的边缘检测方法,在此基础上研究了将模糊逻辑应用于图像边缘检测的相关算法。本论文主要研究工作包括以下几点:(1)研究了基于模糊逻辑的灰度图像的边缘检测算法。一方面,针对Pal和King提出的模糊边缘检测算法的不足,提出一些改进措施,使得改进后的算法在实际边缘的提取效果上和时间上,比原算法更优越,该算法是从模糊增强的角度来进行边缘检测;另一方面,从像素之间的相关性来分析,介绍了一种基于模糊相似度模型的边缘检测算法。两种边缘检测算法从不同的角度应用了模糊逻辑,从实验结果上看,提取效果都优于传统的边缘检测算子,显示出模糊边缘检测算法的良好性能。(2)综合了数学形态学和模糊逻辑的相关理论,提出一种基于形态滤波和梯度模糊GHMT(灰度击中击不中变换)的组合边缘检测方法。梯度模糊GHMT算子是将模糊逻辑融入梯度GHMT的边缘检测算子,为梯度GHMT在处理图像边缘不确定信息时提供了一种强有力的工具,但在噪声环境下,边缘提取效果不理想。针对这一不足,提出将广义多结构元形态滤波器和梯度模糊GHMT边缘检测算法相结合,提高算法的抗噪性能,使得在噪声环境下,依然能够得到较好的图像边缘。实验结果表明,提出的组合边缘检测方法能够在较高噪声条件下,得到较为理想的图像边缘。(3)将模糊逻辑引伸到彩色图像的边缘检测中。利用K-L变换,将彩色图像从RGB颜色空间转换到I1I2I3颜色空间,然后应用一种基于Renyi熵和模糊推理的方法提取彩色图像边缘。实验结果表明,与传统的彩色边缘提取方法相比,基于模糊推理的彩色边缘提取方法在色彩变异和噪声抑制等方面都有着较大改善。(4)我们将上述基于模糊逻辑的边缘提取方法应用于细菌图像、红细胞图像,印制电路板(PCB)、水果、花卉图像的边缘检测中,均显示出良好的实验效果,表明基于模糊逻辑的边缘提取方法良好的实用性。