圖象的邊緣信息對(duì)人或?qū)C(jī)器視覺來說，都是非常重要的。由于邊緣具有能勾畫區(qū)域的形狀，且能被局部定義以及能傳遞大部分圖象信息等許多優(yōu)點(diǎn)，因此，邊緣檢測(cè)可看作是處理許多復(fù)雜問題的關(guān)鍵，是圖象分析和理解的*步，檢測(cè)出邊緣的圖象就可以進(jìn)行特征提取和形狀分析。
　　
　　由于邊緣是灰度值不連續(xù)的結(jié)果，這種不連續(xù)?？梢岳们髮?dǎo)數(shù)方便的檢測(cè)到，一般選擇一階和二階導(dǎo)數(shù)來檢測(cè)邊緣。在機(jī)器視覺檢測(cè)中，常常借助空域微分算子（實(shí)際上是微分算子的差分近似）利用卷積來實(shí)現(xiàn)。常用的微分算子有梯度算子和拉普拉斯算子。
　　
　　邊緣檢測(cè)可以借助空域微分算子通過卷積完成。實(shí)際上數(shù)字圖像處理中求導(dǎo)數(shù)是利用差分近似微分來進(jìn)行的。常用的微分算子有梯度算子和拉普拉斯算子。
　　
　　邊緣檢測(cè)算法的基本步驟如下：
　　
　　1、濾波:邊緣檢測(cè)算法主要是基于圖象強(qiáng)度的一階和二階導(dǎo)數(shù)，但導(dǎo)數(shù)的計(jì)算對(duì)噪聲很敏感，因此必須使用濾波器來改善與噪聲有關(guān)的邊緣檢測(cè)器的性能。
　　
　　2、增強(qiáng):增強(qiáng)邊緣的基礎(chǔ)是確定圖象各點(diǎn)鄰域強(qiáng)度的變化值。增強(qiáng)算法可以將鄰域（或局部）強(qiáng)度值有顯著變化的點(diǎn)突顯出來。
　　
　　3、檢測(cè):在圖象中有許多點(diǎn)的梯度幅值比較大，而這些點(diǎn)在特定的應(yīng)用領(lǐng)域中并不都是邊緣，所以應(yīng)該用某種方法來確定哪些點(diǎn)是邊緣點(diǎn)。常采用梯度幅值Ill值判據(jù)。
　　
　　4、定位:如果某一應(yīng)用場(chǎng)合要求確定邊緣位置，則邊緣的位置可在子象素分辨率上來估計(jì)，邊緣的方位也可以被估計(jì)出來。
　　
　　在用機(jī)器視覺進(jìn)行尺寸測(cè)量時(shí)，這四步*，尤其必須指出邊緣的位置和方位。機(jī)器視覺檢測(cè)技術(shù)，以其強(qiáng)大的性能優(yōu)勢(shì)，使得產(chǎn)品質(zhì)量標(biāo)準(zhǔn)化，檢測(cè)速度快，檢測(cè)結(jié)果可靠、穩(wěn)定，并且可以長時(shí)間檢測(cè)，廣泛應(yīng)用于各大領(lǐng)域。