圖象的邊緣信息對人或?qū)?a class="innerlink" href="http://wldgj.com/tags/機器視覺" title="機器視覺" target="_blank">機器視覺來說,，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,，因此,，邊緣檢測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第一步,，檢測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)方便的檢測到,，一般選擇一階和二階導(dǎo)數(shù)來檢測邊緣。在機器視覺檢測中,，常常借助空域微分算子(實際上是微分算子的差分近似)利用卷積來實現(xiàn),。常用的微分算子有梯度算子和拉普拉斯算子。

邊緣檢測可以借助空域微分算子通過卷積完成,。實際上數(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。

邊緣檢測算法的基本步驟如下：

1,、濾波:邊緣檢測算法主要是基于圖象強度的一階和二階導(dǎo)數(shù),，但導(dǎo)數(shù)的計算對噪聲很敏感，因此必須使用濾波器來改善與噪聲有關(guān)的邊緣檢測器的性能,。

2,、增強:增強邊緣的基礎(chǔ)是確定圖象各點鄰域強度的變化值。增強算法可以將鄰域(或局部)強度值有顯著變化的點突顯出來,。

3,、檢測:在圖象中有許多點的梯度幅值比較大，而這些點在特定的應(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是邊緣點,。常采用梯度幅值Ill值判據(jù),。

4、定位:如果某一應(yīng)用場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,，邊緣的方位也可以被估計出來。

在用機器視覺進(jìn)行尺寸測量時,，這四步必不可少,，尤其必須指出邊緣的精確位置和方位。機器視覺檢測技術(shù),，以其強大的性能優(yōu)勢,，使得產(chǎn)品質(zhì)量標(biāo)準(zhǔn)化，檢測速度快,，檢測結(jié)果可靠,、穩(wěn)定，并且可以長時間檢測,，廣泛應(yīng)用于各大領(lǐng)域