随着电子学，计算机技术，材料学等相关领域技术的飞速发展，医学影像技术得到了空前的发展。作为医学影像技术的一个分支，超声医学是一门较新的综合性学科，近几十年来发展十分迅速。超声诊断技术作为医学超声的一个重要应用，以其特有的安全、快速、实时的优势发挥了巨大的作用，并已在临床医学中得到广泛应用。近年来，超声技术为医学诊断提供了丰富和准确的信息，对疾病的无创伤精确诊断起了积极的作用。图像边缘反映了图像中最有价值的信息，对边缘的增强是图像处理和计算机视觉中最重要、最经典的课题之一。对医学图像而言，常需通过边缘的提取来确定病灶的大小、脏器的运动情况、血球流动状态等。但由于多种因素的影响，医学图像边缘往往不很清晰，这直接影响医务人员的诊断和治疗。因此，图像边缘和轮廓特征的增强与提取方法，一直是医学图像处理与分析技术中的研究热点。为方便医学影像工作者的使用，本文首先介绍图像的边缘增强的各种经典算子，并分析讨论了各种图像边缘增强方法的优势与缺陷。针对以上经典的边缘增强算子我们提出了一种新的方法—超声图像的自适应边缘增强方法，利用纹理分析灰度级相关方法——灰度共生矩阵的的二阶统计方法算出纹理的九个参数。但在实际应用中灰度共生矩阵的的二阶统计算法计算复杂、特征提取所需时间过长等，于是我们利用M．Unser提出的“和和差分直方图”的算法来代替灰度共生矩阵的的二阶统计方法的九个纹理参数，用这种比较简单的算法算出灰度共生矩阵的九个参数，经过大量的实践，目前我们已经大致推算出九个参数只有三个参数对我们边缘增强最有用：平均值(mean)、和方差(variance)、相关(correnlation)。本文把经典的各种边缘增强算子和自适应边缘增强方法用C实现了算法。从算法大量图像边缘增强的结果比对来看，这种算法虽然简单但是效果很好，是边缘增强的一种很好的实用方法。