图像边缘检测通常是以类似于素描图的图像表达出物体的要素和特征，其任务是使图像边缘准确定位和抑制噪声。本文在传统形态学算子基础上提出了一种遗传算法优化的形态学Top-Hat算子。实验结果表明，与传统的边缘检测算法相比，该算法不仅具有较强的边缘提取能力，而且通过合理选择结构元素能明显降低噪声对检测结果的影响，准确检测出图像边缘。边缘检测是图像处理的基础，检测的结果直接决定着后续处理的精度与结果。现有的边缘检测方法是以一定的图像为处理对象，没有一个统一适用的方法。传统的边缘检测方法是基于空间运算的，借助空域微分算子进行，通过将其模板与图像卷积完成，根据模板的大小和元素值的不同有不同的算子。这些空域边缘检测算子对噪声都比较敏感并且常常会在检测边缘的同时加强噪声。数学形态学的基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。所获得的关于图像结构的信息与结构元素的尺寸和形状都有关系，构造不同的结构元素，便可完成不同的图像分析，得到不同的分析结果。形态学方法比其他空域或频域图像处理和分析方法具有一些明显的优势，它不像微分算法对噪声敏感，同时提取的边缘也比较平滑，易于用并行处理方法有效地实现，从而提高处理速度，而且硬件实现容易。因而，将数学形态学用于边缘检测，既能有效地滤除噪声，又可保留图像中的原有细节信息[1][2]。经典的形态学边缘检测算子[3]虽能较好地抑制噪声，但当结构元素选取不合适时，检测效果较差。针对这一问题，本文把遗传算法应用于结构元素的优化选择中，提出了一种遗传算法优化的形态学边缘检测算子。