随着当今社会的自动化程度以及科学技术的不断进步，机器视觉技术以其独特的优势引起了人们的广泛关注。机器视觉最重要的特征在于使用机器自动化设备替代传统人工劳动力，从而提高生产自动化效率。近年来，特别是劳动力成本的大幅提高，大大提高了各大公司甚至中小企业对人力成本重视，越来越多的机器视觉产品开始代替品管、监督人员等对产品的质量检测与监督。尤其在恶劣环境下，如下水道、高速高危环境等人工视觉根本无法使用的情况下，机器视觉更是显得必不可少。机器视觉不仅大大的提高了生产的自动化程度，而且在检测准确性上，极大的解决了人眼检测本身的无监督性、无准则性、检测效率低、准确率低等问题。图像的边缘提取是整个机器视觉算法的核心，它包含了图像特征中的大部分信息，为后续的拟合、特征划分、神经网络分类等提供了大量的有价值的特征信息。边缘提取直接关系的机器视觉中的特征分割，它是后续各种图像处理算法的基础，因此边缘提取的重要性不言而喻，人们对其投入了大量的研究。边缘提取技术经过人们的不断深入探索，至今为止已经涌现许多先进技术。大量文献研究表明，目前主流的边缘提取算法有Sobel算子、Canny算子、LOG算子、Kirsch算子、Robert算子、Robinson算子等经典算法。目前，最具代表性的算子是Canny算子，它是一个对于光照改变时仍然鲁棒的分割算法。所以，采用高斯滤波器并选用双阈值分割算法的Canny算子得到广大科研工作者的喜爱，然而，Canny算子也具有滤波器不够鲁棒、梯度幅值算法不够优化、自适应能力差等缺点，因此本文提出一种在这基础上改进了的边缘检测算法。本文在边缘检测算法分析上，首先详细描述了目前边缘检测算法中最为经典的集中算法，包括Canny算子、Sobel算子、LOG算子、Kirsch算子、Robert算子、Robinson算子等经典算法，并使用软件编写了相应算法对其进行实验仿真，对实验结果进行了总结和分析。在分析了各个算法在优缺点后，本文在Canny算子的基础上提出并设计了一种基于Canny的改进边缘检测算子。首先选用了中值滤波器代替高斯滤波器，用4乘4大窗口邻域代替原有的2乘2邻域进行梯度幅值计算，并引进4个方向的差分算法，针对边缘提取的自适应能力差问题，本文设计了一种自适应能力较强的双阈值分割算法。为了检验本文提出的边缘提取算法，本文以汽车轮毂作为检测目标设计了汽车轮毂的非接触检测系统，并设计了边缘检测算法。实验对比了Soble算子、LOG算子、以及本文提出的边缘检测算法的检测效果，结果表明，本文提出的边缘检测算法算子所测轮毂直径最为稳定，波动最小，精度较高，达到了预期效果。