随着视觉检测技术的不断发展,其应用也越来越广泛,在工业、农业、国防、医疗、交通、体育、娱乐等方面都越来越多的用到视觉检测。同时,人们对其检测精度的要求也越来越高。而在视觉检测系统中,一个核心的技术就是图像边缘的提取,因为边缘包含着图像重要的信息,也是图像最基本的特征之一,边缘提取的效果会直接影响到图像的分割以及识别的性能,最终影响检测精度。因此边缘提取是机器视觉和图像处理中一个很重要的环节。边缘检测作为视觉系统的初级阶段,通常认为是一个非良态问题。实际处理的图像一般都混有噪声,因为边缘和噪声都是高频信号,在抑制噪声的同时必然会对边缘的定位产生影响。所以抑制噪声和边缘的精确定位很难同时得到满足,而图像边缘提取的关键就是要解决抑制噪声和保留原图像边缘之间的矛盾。本文是在对现有的一些边缘检测技术进行分析和研究的基础上,针对其中的不足和缺陷,提出一种改进的算法,以改善边缘提取的效果。本文首先介绍了一些经典的边缘检测算子,分析了这些算子在理论和方法上各自的优缺点以及适用场合,并通过编程来实现各种算法,进行仿真实验对比。其次重点研究和论述了Canny准则和Canny算法。Canny算法通过设计最优滤波器,与图像进行卷积来削弱噪声的影响,然后计算梯度幅值和方向,进行非极大值抑制后,用双阈值法对其进行处理并最后连接边缘。然后分析了传统Canny算法存在的缺陷和不足,在其基础上提出了一种改进算法,该算法是针对传统Canny算子各个步骤中的缺陷来进行改进的。改进算法用非线性的混合滤波代替传统的线性高斯滤波,在消除噪声的同时很好的保存了边缘信息,改进了梯度幅值的计算方法以及非极大抑制算法,并以梯度幅值直方图为基础,自动的确定了算法的高、低阈值。最后详细介绍了改进的Canny算法的基本理论和具体实现。采用matlab7.0进行编程和仿真实现。通过与传统Canny算子仿真结果进行对比和分析,表明改进后的算法具有更好的抑制噪声影响和提取边缘细节信息的性能,而且自动化程度高,是一种较为有效的边缘检测方法。