针对一类边缘特征不明显的矿物浮选泡沫图像,提出了一种基于模糊三值模式的泡沫图像边缘检测方法.在‘0/1’二值模式基础上,增加不确定逻辑状态,构成模糊局部三值模式,以描述邻域像素灰度均值的不确定关系,同时,对邻域双向灰度差值之和进行模糊化,以描述边缘与非边缘方向的关系,联立邻域灰度关系与双向灰度差值隶属度,构造气泡边缘隶属度矩阵,依据联合隶属度的解模糊结果判决是否为边界候选像素,再根据边界候选像素集合的特征剔除非边界像素,以此得到泡沫边缘.实验结果表明,该方法能够有效地检测出气泡边缘,同时,在强噪声环境下,具有良好的鲁棒性.

基于机器视觉的外包装盒喷码内容检测系统 主要检测内容：整体有无、字符内容识别

图像分割时，经常需要实现对边界的跟踪，从而实现对区域的提取。输入是一幅图像，输出是提取的该图像的轮廓。

利用基于cnn的方法，对灰度图像进行边缘检测，通过matlab实现程序。

为了提高图像的边缘检测性能,将蚁群算法引入图像边缘检测。阐述了提取图像边缘特征的方法和蚁群算法的基本原理,提出了一种基于改进的蚁群算法的边缘检测方法。将图像的形态学梯度值作为蚁群的信息激素强度值和启发信息值,使用最大类间方差法获得图像的边缘信息。实验结果表明该算法能成功地提取边缘信息并抑制背景纹理细节,具有较好的检测效果。

《检验检测机构资质认定评审准则》及释义和《检验检测机构资质认定评审员管理要求》的通知 国认实〔2016〕33号

边缘检测程序

CannyEdgeDetector：边缘检测算法和演示应用程序

为克服传统对数图像处理模型在边缘检测中存在的边缘定位不准确、检测精度差等缺点，对其进行了改进，并采用实拍复杂背景条件下红外机场跑道进行了边缘检测试验，结果表明，改进后算法的目标边缘检测精度明显提高，定位准确，有利于图像的后续处理。

目前方块地毯生产过程中的质量检测主要由人工完成，费时费力，缺乏科学性。本文介绍了一种基于机器视觉的方块地毯边缘缺陷的自动检测技术。利用地毯边缘的特性，将图像滤除和边缘检测结合在一起，相比传统方法减少一次形态学基本运算，应用霍夫变换检测出方块地毯的四条边，将二值化图像与该四边形的差以及该四边形的正方形程度作为缺陷判别依据。实验结果表明提出的方法检测率达到92.6%。该方法具有有效性和可行性，可以达到企业的生产要求。