1、濾波：邊緣檢測算法主要是基于圖像強度的一階和二階導數，但導數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的邊緣檢測器的性能。需要指出，大多數濾波器在降低噪聲的同時也導致了邊緣強度的損失，因此，增強邊緣和降低噪聲之間需要折中。

    2、增強：增強邊緣的基礎是確定圖像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。邊緣增強一般是通過計算梯度幅值來完成的。

    3、檢測：在圖像中有許多點的梯度幅值比較大，而這些點在特定的應用領域中并不都是邊緣，所以應該用某種方法來確定哪些點是邊緣點。簡單的邊緣檢測判據是梯度幅值閾值判據。

    4、定位：如果某一應用場合要求確定邊緣位置，則邊緣的位置可在子像素分辨率上來估計，邊緣的方位也可以被估計出來。

    機器視覺檢測

    邊緣檢測是機器視覺檢測技術的一種，在邊緣檢測算法中，前三個步驟用得十分普遍。這是因為大多數場合下，僅僅需要邊緣檢測器指出邊緣出現在圖像某一像素點的附近，而沒有必要指出邊緣的精確位置或方向。

    邊緣檢測的實質是采用某種算法來提取出圖像中對象與背景問的交界線。我們將邊緣定義為圖像中灰度發生急劇變化的區域邊界。圖像灰度的變化情況可以用圖像灰度分布的梯度來反映，因此我們可以用局部圖像微分技術來獲得邊緣檢測算子。經典的邊緣檢測方法，是通過對原始圖像中像素的某塊小領域構造邊緣檢測算子來達到檢測邊緣這一目的。

    邊緣檢測

    邊緣檢測的主要應用有：檢測芯片針腳是否規則整齊、目標定位以及存在/缺陷檢測等。基于邊緣檢測技術的應用，為行業的高精度檢測及尺寸測量提供了強大的技術支持。