在数字图像处理中,由于受到环境、成像方法的影响,图像的边缘、细节特征等重要信息可能被噪声湮没,对边缘检测、图像分割、匹配等后续处理带来一定的干扰。有效的减少和消除噪声对改善图像质量具有重要的意义,因此对噪声图像进行相应的预处理一直都是图像处理中的重要研究方向。图像边缘是图像上最基本的特征之一,它对图像的识别、分析和理解具有十分重要的作用,在图像自动识别中得到了广泛的应用,快速、准确的提取图像上目标的轮廓边缘,也一直是国内外研究的热点问题。　　本文围绕上述问题,主要开展了以下两个方面的研究工作:　　第一,提出了一种基于Rank变换的改进中值滤波算法。针对传统滤波算法中对孤立噪声点和连续噪声不能有效滤波等问题,提出了如下改进算法:首先,通过引入Rank变换,有效找出图像中所有的孤立噪声点,并通过遍历图像对孤立的噪声点进行中值滤波,最大限度保持图像细节,较好地解决抑制图像噪声和保护图像细节之间的矛盾,以便达到对图像中孤立噪声点的较好滤波效果;其次,进一步针对少量连续噪声点的情况,采用迭代算法对上述中值滤波结果进行处理,来解决连续噪声的滤波问题。仿真验证结果表明,采用本文提出的改进中值滤波算法,不仅能有效地去除噪声,而且能较好地保持图像细节和边缘,滤波效果明显好于传统的方法。　　第二,给出了一种基于Rank变换的噪声图像边缘检测算法。传统边缘检测算法在对带噪声图像的边缘进行检测时,常常存在图像上的噪声对边缘检测的影响以及所检测出的边缘的断裂问题。针对这两个问题,本文给出了一种基于Rank变换的噪声图像边缘检测算法。首先,采用本文提出的上述改进的中值滤波算法对带噪图像进行预处理,得到能较好保持图像细节及边缘的去噪图像;然后采用优化后的基于OTSU的自适应梯度幅值边缘检测算法进行进行边缘检测;最后,采用Zhang算法细化边缘并采用Canny算法进行边缘连接。实验结果表明,本文提出的边缘检测算法,能得到较好的边缘检测效果。