边缘是图像最基本的特征。边缘检测是图像处理领域最重要的研究课题之一,在模式识别、纹理分析、特征提取领域有着广泛的应用,受到学者的广泛关注。目前在边缘检测研究领域已经提出了很多方法,但是鉴于所分析图像的特点差异,不同的边缘检测方法存在着性能差异,而且由于噪声的存在,更使得边缘检测一直是图像处理与分析领域的研究热点。图像本身的模糊性使得对图像进行精确的数学刻画难以实现,成像过程中各种因素的影响也会导致目标和背景带有相似性和不确定性,模糊集合论及以此为基础发展起来的模糊信息处理技术,在处理带有模糊不确定性事件及对不精确知识进行描述和处理方面具有极大优势。数学形态学是一种基于集合论的方法和理论,形态学边缘检测利用结构元素对图像中对象进行探测,通过对研究对象进行形态变换以实现结构分析和特征提取的目的,柔性形态学作为数学形态学发展的一个重要分支,具有更强的抗噪性、抗干扰能力和鲁棒性。本文在对传统的边缘检测技术理论体系及检测方法进行分析研究的基础之上,重点介绍了形态学和模糊理论相关的边缘检测研究成果,并以柔性形态学和模糊理论为基础,将他们结合,提出了一种基于模糊理论的柔性形态学边缘检测算法。主要包括以下几个方面内容：(1)采用改进的基于模糊度的阈值算法进行分割处理；(2)采用改进的快速模糊增强算法在模糊域内进行模糊增强；(3)利用柔性形态学性质,设计复合型的边缘检测算子；(4)结合模糊理论和柔性形态学进行检测：论文最后与传统的检测方法进行了比较,对算法的准确性、抗噪性、实用性进行了实验分析。实验表明本方法具有良好的检测效果,抗噪性好,实用性强,有很好的应用价值。