图像的特征指图像场中可用作标志的属性，而图像的边缘是图像最基本的特征。在数字图像中，所谓边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。

数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域十分重要的基础，图像理解和分析的第一步往往就是边缘检测，目前边缘检测已成为机器视觉研究领域最活跃的课题之一，在工程应用中占有十分重要的地位。

边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。这些包括深度上的不连续、表面方向不连续、物质属性变化和场景照明变化。

图象的边缘信息对人或对机器视觉来说，都是非常重要的。由于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象信息等许多优点，因此，边缘检测可看作是处理许多复杂问题的关键，是图象分析和理解的第一步，检测出边缘的图象就可以进行特征提取和形状分析。　　

图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性。有许多方法用于边缘检测，它们的绝大部分可以划分为两类：基于查找一类和基于零穿越的一类。基于查找的方法通过寻找图像一阶导数中的最大和最小值来检测边界，通常是将边界定位在梯度最大的方向。基于零穿越的方法通过寻找图像二阶导数零穿越来寻找边界，通常是Laplacian过零点或者非线性差分表示的过零点。

由于物体的边缘是由灰度不连续性所反映的，因此一般边缘检测方法是考察图像的每个像素在某个领域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律来检测边缘，这种方法通常称为边缘检测局部算子法。

在基于机器视觉尺寸测量技术的应用中，边缘检测技术尤为重要，必须指出边缘的精确位置和方位，才能得到精确的测量结果。而机器视觉检测技术，也凭借其强大的性能优势，使得产品质量标准化，检测速度快，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。