在实际图像处理中,图像边缘作为图像的一种基本特征,经常被用到较高层次的图像处理中去。边缘检测技术是图像测量、图像分割、图像压缩以及模式识别等图像处理技术的基础,是数字图像处理重要的研究课题之一。本文首先介绍了边缘检测的概念和算法,并对具有代表性的图像边缘检测算子进行了讨论,如Sobel算子、Prewitt算子、Roberts算子、LOG算子、拉普拉斯算子,分析了这些算子的优缺点,并给出这些算法的实验结果。其次,介绍了Canny边缘检测算法的基本原理,并对其性能进行了分析和评价。针对传统Canny算法在滤波过程中存在的局限性,提出了一种用自适应边缘保持滤波代替传统算法中高斯滤波的改进Canny边缘检测算法,该算法可以自适应地选择模板,并且能有效保护角点边缘信息。另外在计算梯度幅值的时候采用了邻域的梯度幅值计算方法,同时考虑了像素对角线方向的梯度计算,并能进一步抑制噪声的影响。随之,将整幅图划分成若干子图像,采用新的基于子图像划分基础上的梯度方向检测连接法取代传统的双阈值法,充分利用了边缘点和噪声点在梯度方向特性上的差异,在抑制噪声的同时,有效保护了低强度边缘细节,具有优于传统Canny算法的性能,通过对实验图像的分析表明,改进的检测算法对图像边缘具有较好的检测精度和准确性。最后,对论文所完成的工作进行了总结,并提出了进一步研究的方向。