边缘是指图像局部亮度变化最显著的部分。边缘主要存在于目标与目标、目标与背景、区域与区域之间,是图像分割、纹理特征提取及形状特征提取和图像分析的基础。边缘检测是机器视觉中必不可少的环节,是一种重要的图像预处理技术。图像分析和理解的第一步常常是边缘检测,它在图像处理与计算机视觉中占有特殊位置,它是底层处理中最重要的环节之一，往往检测出边缘的图象就可以进行特征提取和形状分析。

边缘的形成是由于物体的材料不同或表面的朝向不同,引起图像中的边缘处存在明暗、色彩、纹理的变化。因此反过来在图像中检查不同灰度、色彩等特性区域的交界处就可得到边缘。边缘轮廓是人类识别物体形状的重要因素,也是图像处理中重要的处理对象。边缘检测主要采用各种算法来发现、强化图像中那些可能存在边缘的像素点。

由于边缘是灰度值不连续的结果，这种不连续常可以利用求导数方便的检测到，一般选择一阶和二阶导数来检测边缘。在机器视觉检测中，边缘检测可以借助空域微分算子通过卷积完成。实际上数字图像处理中求导数是利用差分近似微分来进行的。常用的微分算子有梯度算子和拉普拉斯算子。

边缘检测算法的基本步骤如下：

1、滤波:边缘检测算法主要是基于图象强度的一阶和二阶导数，但导数的计算对噪声很敏感，因此必须使用滤波器来改善与噪声有关的边缘检测器的性能。

2、增强:增强边缘的基础是确定图象各点邻域强度的变化值。增强算法可以将邻域(或局部)强度值有显著变化的点突显出来。

3、检测:在图象中有许多点的梯度幅值比较大，而这些点在特定的应用领域中并不都是边缘，所以应该用某种方法来确定哪些点是边缘点。常采用梯度幅值Ill值判据。

4、定位:如果某一应用场合要求确定边缘位置，则边缘的位置可在子象素分辨率上来估计，边缘的方位也可以被估计出来。

在用机器视觉进行尺寸测量时，这四步必不可少，尤其必须指出边缘的精确位置和方位。机器视觉检测技术，以其强大的性能优势，使得产品质量标准化，检测速度快，检测结果可靠、稳定，并且可以长时间检测，广泛应用于各大领域。

（文章来源于互联网，如有侵权请联系删除）