边缘检测是机器视觉检测技术的一种。图像的边缘具有能勾画区域的形状，且能被局部定义以及能传递大部分图像信息等许多优点，因此，边缘检测是可以处理许多负责问题的关键。

        边缘检测是对图像识别、分析、处理的基础，边缘检测主要有定位、滤波、增强、检测等几个重要步骤，这其中，机器视觉技术刚好可以很好的满足各步骤的需求，使边缘检测应用能够更高速、高灵敏度、高准确度以及高自动化等。

        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，常常借助空域微分算子通过卷积完成，实际上数字图象处理中求导数是利用差分近似微分来进行的。

        机器视觉系统图像采集环节可以完整准确的获取检测目标的图像信息，并经由图像传输环节在第一时间将信息传送到终端设备或图像处理中心，最终机器视觉系统图像处理环节还可以对图像信息进行增强、滤波、提取等操作。用户通过机器视觉技术可以实现在最短的时间内获得最清晰准确的图像信息，与标准信息进行对比，以此来判断检测目标的状态，实现检测这一目的。那机器视觉边缘检测算法步骤有哪些呢？一起来看一下：

        （1）滤波：边缘检测算法主要是基于图像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。需要指出，大多数滤波器在降低噪声的同时也导致了边缘强度的损失，因此，增强边缘和降低噪声之间需要折中。

        （2）增强：增强边缘的基础是确定图像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。边缘增强一般是通过计算梯度幅值来完成的。

        （3）检测：在图像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。最简单的边缘检测判据是梯度幅值阈值判据。

        （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像素分辨率上来估计，边缘的方位也可以被估计出来。