边缘检测是计算机视觉系统的基本工作。它作为预处理步骤被广泛运用于各种图像处理算法之中,包括图像增强、目标的检测与识别,压缩和数字水印算法。这些算法转而被应用于医学、军事、安全、消费者应用以及工业检测等。很多系统都依赖于边缘检测,在无噪声或有噪声的环境下,精确的边缘检测都是必须的。目前,还没有一种边缘检测算法能够对所有的应用领域都具有优越的性能表现。这主要是取决于边缘检测问题的主观特性。其次是由于一个可靠的,公正的具有客观评价标准的能够通用的边缘检测器还没有开发出来。经典的边缘检测方法有很多,常用的有Roberts,Sobel,Prewitt,Kirsch,Laplace等方法,它们的基本原理都是在小邻域内,构造一个差分模板,通过进行一阶微分或二阶微分运算,求得梯度最大值或二阶导数的过零点,最后在通过选取适当的阈值提取边缘。不过这些算法普遍存在噪声抑制能力差、不能自适应选择阈值、边缘检测效果不理想一系列缺点。根据本文的应用背景,首先讨论了对图像进行预处理,如何利用全局门限消除阴影对边缘检测的影响,然后在分析了经典Canny算法的基础上,提出了一种具有自适应性的改进型Canny算法,针对传统算法在应用时需要人为设定参数这一缺陷,提出了能够根据图像区域特征,自动确定高斯滤波函数尺度参数的改进滤波算法;其次是改进了传统的梯度值计算方法;最后提出了利用图像梯度图结合Otsu方法的双阈值自适应方法,避免了人为主观因素的影响。实验表明,本文方法比经典的Canny算法具有更好的边缘检测效果,并且自动化程度更高。