边缘是图像最基本的特征,它通常存在于目标与背景、目标与目标、区域与区域之间。边缘包含了图像大部分的有用信息,它能够勾画出物体的几何轮廓特征,描述物体的重要特征。边缘检测技术在图像分割、图像识别、图像测量和图像压缩等领域都有广泛的应用。如何精确地提取图像边缘一直是图像处理研究的热点,并且已经提出了多种边缘检测算法。但是现有的算法存在诸多不足之处,难以同时满足检测精度和抗噪声性能的要求,因此,现在研究的主要方向是根据具体的要求设计新的边缘检测算法,或者改进现有的算法以得到满足实际要求的边缘检测结果。小波分析在时域和频域都具有很好的局部化特性,并具有多尺度特性,因此,利用多尺度小波进行边缘检测既能得到良好的抑制噪声能力,又能够保持边缘的完备,可以得到精确的单像素边缘。本文对小波分析基础理论和边缘检测的经典算法作了详细阐述,给出了五种经典方法的实验结果及分析,评价了它们各自的优缺点。在此基础上提出一种多尺度小波边缘检测算法,首先小波变换时直接沿梯度方向计算出的梯度幅值,然后通过对三个尺度上对应像素邻域内梯度幅值的比较,达到去除边缘中噪声的影响和提取出图像边缘的目的。通过仿真实验可以看出新算法可行有效,能够有效抑制噪声。为了增强传统Canny算法对弱边缘和细节的检测能力,利用上述多尺度边缘检测算法的核心思想,对其滤波部分中梯度幅值的计算进行改进,有效地提高了细节信息的检测效果,抗噪声能力较原来也有很大提高。在对亚像素定位理论进行深入分析和讨论的基础上,本文提出一种基于曲线拟合的亚像素定位方法,主要用于测量距离很近的两个相邻边缘的距离。新算法选用高斯函数作为CCD成像系统的点扩散函数,根据从图像中提取的边缘特征值建立一个配准表,在配准表中搜索最佳配准标准曲线,即可精确计算两边缘的间距和定位边缘点位置。实验结果表明,该算法得到很高的检测精度,计算时间短,最高检测精度达到0.02个像素。