边缘包含着图像的大部分信息,是图像的最基础、最本质的特征,并且成为图像分析及分割的重要根据。图像的边缘检测已成为图像分析和识别的首要工作,在图像处理中具有十分重要的应用。但边缘提取的困难是既要去除图像的噪声,又要较好地保留图像完整的边缘。本文针对传统数学形态学和微分算子的缺点,提出改进的算法,然后融合两种改进的算法,取得了良好的效果。具体工作如下:微分算子在提取边缘时,存在不同的缺陷。以Canny算子为例,它存在两个至关重要的缺陷:一是难以克服局部噪声的影响,提取结果不仅会丢失边缘细节,还会存在伪边缘;二是很难设置高斯滤波参数,对不同的图像不具有一定的自适应性。针对传统Canny算子的不足,本文提出一种新的Canny算法。首先给出一种依据阈值的自适应图像分块处理的新方法;其次提出新的基于自适应中值和形态学的混合滤波,采用此滤波滤除图像噪声,并添加两个斜方向上的梯度信息,使梯度信息更加完整;最后通过非极大值抑制并阈值化获得最终的边缘。对于含噪声图像,该算法不但很好的滤除图像大量的噪声,并且获得的边缘连续、光滑、轮廓清晰。在形态学边缘检测中,考虑到不同大小或形状的结构元素在保留图像轮廓信息和滤除噪声的效果不相同,提出了一种具有自适应性的多尺度多结构边缘检测方法。对现有边缘检测方法做出研究与改进,用形态学差分法和提取的边缘图像的信息熵,可以自适应地确定不同形状及不同大小的权值系数,然后对提取的边缘做融合操作,获得最后的边缘信息。对于含噪声图像,该算法不但很好的滤除噪声,而且客观评价和视觉效果均好。最后,由于上述给出的Canny算法在标准差和峰值信噪比等客观评价方面表现比较良好,而改进的形态学算法在平均梯度、扭曲程度和相关系数上表现更佳。为提高边缘提取的精确性和充实图像的轮廓信息,本文融合上述两种改进的算法,得到的边缘图像在客观评价方面(信息熵、扭曲程度和相关系数等)均优于前两种方法,视觉效果也令人满意。