图像的边缘是图像最基本的特征,一幅图像主要信息是由它的轮廓边缘提供的,图像边缘包含了一幅图像的绝大部分主要信息。边缘信息便于量化和比较,更适合于检测和定位图像中的物体位置,而且图像边缘信息能揭示目标的重要特性。因此边缘检测技术在数字图像处理中有极其重要的地位。图像增强是指按特定的需要突出一幅图像中的某些信息,同时削弱或去除某些不需要信息的处理方法,使结果对某种特定应用来说比原图像更适合,也是提高图像质量的过程。图像增强技术作为图像预处理部分的基本技术,是系统中十分重要的环节。近年来数学形态学成为图像处理的一个新的研究领域。本文针对边缘检测中存在的不足,结合数学形态学中的顺序形态变换,改进了百分位变换的评价准则,结合不同的评价标准选择不同百分位变换的值与不同方向、多尺度的结构元素,从而加强图像在各个方向上的边缘信息,可以最大程度抑制噪声,有效提高边缘检测的效果。论文还提出了一种基于Tsallis熵和顺序形态变换相结合的灰度图像增强算法。利用图像Tsallis熵选择不同百位变换的值与不同权值的结构元素,从而增强图像信息。该算法在抑制高频噪声的同时,图像的对比度也得到了增强。