边缘是图像的最基本特征之一,包含了图像的大部分信息。边缘提取是图像处理问题中的经典技术,其优劣直接影响整个计算机视觉系统性能的好坏,它的解决对于我们进行高层次的图像特征描述、识别和理解有着重大的影响。本文在综合论述边缘提取方法的研究现状和发展趋势的基础上,重点对经典算法、基于数学形态学和基于模糊理论的边缘提取方法进行理论分析、仿真实验和性能对比。本文首先采用各种图像对不同算法进行边缘提取的仿真实验,分析不同算法的各种性能。其次在分析的基础上,结合不同算法的优点,提出两种改进方法。一是结合Laplacan算子的锐化作用和数学形态学提取完整连贯边缘的特点,采用两者相结合实现边缘提取；二是使用阈值分割代替模糊矩阵的变换以对Pal.King方法进行改进,并使用多种阈值分割方法进行相应测试,最后以同时具有较好边缘提取效果和较低时间复杂度的Otsu阈值分割为代表作为对Pal.King方法的改进。最后对各方法进行对比评价。图像边缘提取性能的评价标准主要包括主观和客观方法。本文首先采用主观评定提取图像边缘的连续性、光滑度、细化程度和边缘定位性能,再辅以使用Canny淮则和Prat品质系数相结合的客观评价标准验证各方法的抗噪性能、定位精度和时间复杂度,最终达到主客观的统一。