在人们的关注下军工目标识别终于成长为人们所需求的那样，为市场而生，为需求而来。数之联专注于大数据与人工智能技术的研发和应用的企业数字化转型服务商,提供大数据审计分析云平台,全链路数据资产管理平台,助力客户提升管理和服务的智慧化水平,实现降本提质增效。https://www.unionbigdata.com/

边缘是指图像局部亮度变化比较显著的部分。边缘主要存在于目标与目标、目标与背景、区域与区域之间,是图像分割、纹理特征提取及形状特征提取和图像分析的基础。边缘检测是机器视觉中必不可少的环节,是一种重要的图像预处理技术。图像分析和理解的首步常常是边缘检测,它在图像处理与计算机视觉中占有特殊位置,它是底层处理中比较重要的环节之一，往往检测出边缘的图象就可以进行特征提取和形状分析。

边缘的形成是由于物体的材料不同或表面的朝向不同,引起图像中的边缘处存在明暗、色彩、纹理的变化。因此反过来在图像中检查不同灰度、色彩等特性区域的交界处就可得到边缘。边缘轮廓是人类识别物体形状的重要因素,也是图像处理中重要的处理对象。边缘检测主要采用各种算法来发现、强化图像中那些可能存在边缘的像素点。

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，边缘检测可以借助空域微分算子通过卷积完成。际上数字图像处理中求导数是利用差分近似微分来进行的。常用的微分算子有梯度算子和拉普拉斯算子。

边缘检测算法的基本步骤如下：

1、滤波:边缘检测算法主要是基于图象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。

2、增强:增强边缘的基础是确定图象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。

3、检测:在图象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。常采用梯度幅值Ill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象素分辨率上来估计，边缘的方位也可以被估计出来。

在用机器视觉进行尺寸测量时，这四步必不可少，尤其必须指出边缘的精确位置和方位。机器视觉检测技术，以其强大的性能势，使得产品质量标准化，检测速度，检测结果可靠、稳定，并且可以长时间检测，广泛应用于各大领域。