随着科学技术的发展,工业生产中人们对产品精度的要求越来越高,相应的诸如小模数齿轮和光学元件的检测也同样需要达到非常高的精度。伴随精密注塑等技术的出现,工业生产的效率越来越高,但是如何对生产出来的产品进行精确的参数检测一直是一个难题,传统的检测方法已经很难达到检测的要求,需要进行亚像素检测。传统的亚像素边缘检测技术都需要先进行粗定位,然后再进行准确的亚像素精确定位。如果粗定位定位得不够准确,那么精确定位就没有意义。针对该问题,本文提出一种无粗定位亚像素边缘检测算法,摆脱对粗定位的依赖,直接对边缘进行亚像素检测,这样不但能够省去粗定位的时间,而且还能大大减少犯错的几率。本文首先采用主轴分析法对彩色图像进行降维,在RGB模型中,将每个像素点的颜色向量投影到主轴上,该方法在降低图像维度减少运算量的同时,能够最大程度的保留图像的边缘信息;然后本文提出了一种基于二分K均值的中值滤波算法,在滤波前将某邻域范围内的像素点聚成普通像素点,边缘像素点和噪声点三类,根据聚类的结果判断边缘和噪声是否存在,并采用相应的滤波策略进行滤波,该算法在滤除噪声的同时,还能增强图像的边缘;最后本文提出无粗定位亚像素边缘检测算法,在梯度图像中寻找符合拟合要求的点进行高斯拟合,寻找亚像素坐标的位置,该算法摆脱了对粗定位的依赖,提升了算法的可靠性。同时,本文还通过仿真验证了边缘检测中梯度的方向无关性,有效降低了梯度运算的复杂度。最终通过对某图像进行亚像素边缘检测将本文提出的算法与传统算法进行了比较。其中检测结果与传统算法一致,检测精度为0.01个像素级,约0.1um,运算时间约为传统算法的2/3,且因为不需要进行粗定位,所以可靠性也要强于传统算法。综上所述,本文提出的算法是有效的。