将图像进行小波变换，得到小波系数； 对小波系数进行阈值处理，以去除噪声； 将处理后的小波系数进行反变换，得到去除噪声后的图像； 对去除噪声后的图像进行Canny边缘检测算法，得到较为准确的边缘信息。python代码

以下是Python代码实现：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.jpg', 0)

# 进行小波变换
coeffs = pywt.dwt2(img, 'haar')
cA, (cH, cV, cD) = coeffs

# 对小波系数进行阈值处理，以去除噪声
threshold = 30
cA = pywt.threshold(cA, threshold)
cH = pywt.threshold(cH, threshold)
cV = pywt.threshold(cV, threshold)
cD = pywt.threshold(cD, threshold)

# 将处理后的小波系数进行反变换，得到去除噪声后的图像
coeffs = cA, (cH, cV, cD)
denoised_img = pywt.idwt2(coeffs, 'haar')

# 对去除噪声后的图像进行Canny边缘检测算法
edges = cv2.Canny(denoised_img.astype(np.uint8), 100, 200)

# 显示原图、去噪后的图像和边缘信息
cv2.imshow('Original', img)
cv2.imshow('Denoised', denoised_img.astype(np.uint8))
cv2.imshow('Edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

其中，我们使用了OpenCV库中的Canny边缘检测算法，以得到较为准确的边缘信息。