边缘检测是机器视觉检测技术的一种，在边缘检测算法中，个步骤用得十分普遍。这是因为大多数场合下，仅仅需要边缘检测器指出边缘出现在图像某一像素点的附近，而没有必要指出边缘的jing确位置或方向。那机器视觉边缘检测算法步骤有些呢？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些点是边缘点。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。随着机器视觉技术自身的成熟与发展，它在工业制造企业中已经得到越来越广泛的应用。在手机电池生产过程中，对电池的正负极耳和极耳胶进行相关尺寸测量是电池封装前一道十分重要的工序，不同规格的电池对极耳和极耳胶的尺寸都有不同的工艺要求。但是，目前针对极耳和极耳胶的尺寸检测，在实际工业生产中，大部分企业也通常都是依赖传统的测量方法，如利用千分尺、游标卡尺或量规等工具进行测量，而这需要依靠大量的人工完成，不仅增加人工成本和管理成本，同时由于人眼易疲劳性且具有不稳定性，故无法确保检测的准确率;另外，随着生产规模的扩大和生产线运行速度的提升，人工检测在速度上存在极大限制，无法达到现代大工业生产线速度要求。针对电池尺寸检测要实现高精度、高速度和实时性的目标，我们出具了基于机器视觉的手机电池尺寸检测系统代替人工完成电池的尺寸检测。利用高速触发工业相机对生产线上的电池进行图像采集，通过图像处理技术进行分析，将超出上下限尺寸的电池判别为不良品，由计算机发出控制信号给机械手，将其剔出生产线。在布匹的生产过程中，像布匹质量检测这种有高度重复性和智能性的工作只能靠人工检测来完成，在现代化流水线后面常常可看到很多的检测工人来执行这道工序，给企业增加巨大的人工成本和管理成本的同时，却仍然不能的检验合格率（即“零缺陷”）。对布匹质量的检测是重复性劳动，容易出错且效率低。流水线进行自动化的改造，使布匹生产流水线变成快速、实时、准确、的流水线。在流水线上，所有布匹的颜色、及数量都要进行自动确认（以下简称“布匹检测”）。采用机器视觉的自动识别技术完成以前由人工来完成的工作。在大批量的布匹检测中，用人工检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。