主要介绍了一种改进的边缘检测算法及相应计算模板和公式，并对算法的误差进行了分析。因为传统的边缘检测算法在理论上较成熟，但在实际应用时可操作性较差。所以针对零件图像测量的实际应用情况，使用基于Sobel算子的改进的方向算子，对灰度图像进行处理得到梯度图像。综合应用其他算法，实现了对目标边缘的准确检测。然后在梯度图像上沿目标边缘的梯度方向进行多项式插值法亚像素细分计算，对目标边缘进行亚像素精确定位。

　　边缘检测算法

　　图像分割是进行目标边缘检测的重要方法。图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。

1．常用边缘检测算法：

　　一般而言，图像分割的依据有两个：（1）像素的灰度值；（2）像素的灰度梯度值。目前，被普通使用的图像分割算法分为两大类：并行区域分割算法和并行边界分割算法。

并行区域分割的主要依据就是像素的灰度值，该类算法一般包括如下3个步骤：

（1） 对原始图像滤波去噪。

（2） 对图像进行二值化处理。

（3） 提取图像的边缘数据。

2．边缘检测算法的改进：

（1） 使用传统的并行区域分割算法进行边缘检测。

（2） 使用哈夫变换将获得的目标边转换为目标的尺寸参数（以像素为单位）

（3） 使用基于经典Sobel算子改进的方向模板对原始图像求其灰度梯度图像。

（4） 依据哈夫变换得到的目标尺寸参数和目标边缘灰度梯度的性质，进一步对目标边缘进行精确定位和更总。

（5） 根据亚像素边缘检测的基本原理和边缘灰度梯度的性质，进行边缘的亚想素定位。