1、濾波：邊緣檢測算法要緊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，因而必須使用濾波器來改善與噪聲有關的邊緣檢測器的性能。必須指出，大多數濾波器在落低噪聲的同時也造成了邊緣強度的損失，因而，增強邊緣和落低噪聲之間必須折中。 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。增強算法能夠將鄰域(或局部)強度值有顯著變化的點突顯出來。邊緣增強通常是通過計算梯度幅值來完成的。 3、檢測：在圖像中有很多點的梯度幅值較為大，而這些點在特定的應用領域中并不基本上邊緣，因而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：如果某一應用場合規定確定邊緣位置，則邊緣的位置可在子像素分辨率上來估測，邊緣的方位也能夠被估測出來。 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。這是由于大多數場合下，僅僅必須邊緣檢測器指出邊緣浮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納某種算法來提取出圖像中對象與背景咨詢的交界線。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能夠用圖像灰度分布的梯度來反映，因而我們能夠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 邊緣檢測的要緊應用有：檢測芯片針足是不是規則整齊、目標定位及其存在/缺陷檢測等。基于邊緣檢測技術的應用，為行業的高精密度檢測及規格測量提供了強大的技術支持。
