边缘是图像最基本的特征,因而边缘检测是图像处理中的重要内容。近十几年来,迅速发展起来的小波理论为图像处理带来了新的理论和方法,由于小波变换的良好局部特性与多尺度特性,可以满足在多个尺度上提取边缘的需要,所以应用小波变换提取边缘被认为是一种有效、有前途的方法。本文首先介绍了几种目前广泛使用的边缘检测方法如 Sobel、Roberts 和Laplacian 等。这些算法的核心思想是假设边缘点对应于原始图像灰度级梯度的局部极值点。但是,当图像含有噪声时,这些算法对噪声非常敏感,常常会把噪声当作边缘点检测出来,而真正的边缘由于噪声的干扰也可能被漏检。其次介绍了一般的利用小波变换进行边缘检测的方法,其主要思想是:选择合适的小波函数对图像进行多尺度小波变换,检测小波变换模的局部极大值,给定阈值进行消噪得到图像边缘。本文在一般方法的基础上提出基于二维图像小波分解细节的边缘检测的方法,利用小波分解的三个高频分量来检测图像的边缘,并对采用的自适应阈值获取方法进行了介绍。这些方法包括:K 均值的聚类方法、平均绝对中值方法、中值方法和均值方法,并在 Matlab 环境下对这四种方法进行了试验,结果表明本文所提出的改进的基于小波的边缘检测方法是有效的。在此基础上,分析了各种方法的优缺点及其适用的图像,并提出了进一步的改进方向。