随着现代工业的高速发展，自动化程度越来越高，产品的外形检测多是应用于计算机完成，基于机器视觉的测量系统，逐渐被人们广泛应用。在数字图像处理中，边缘是物体与背景间的分界线，是目标识别、形状提取的基础，对图像进行分析之前，首先要做的就是边缘检测，现阶段，边缘检测是机器视觉领域研究的重点课题之一。人们在追求产品性能的同时也要求便携，因此，所采用的零部件越来越小，对图像的检测要求日益增多，对检测精度的要求越来越高。如果通过改善硬件来提高摄像机的分辨率进而提高检测精度，这样成本会大大提高，精度提高一点成本会增加很多，因此人们想到的是从软件方面加以改善，将原来的成像最小单元像素再进行细分处理，针对精密测量中要求的精度等级较高，本文致力于实现亚像素级别的边缘检测。数字图像处理中，在提取边缘之前，首先要对拍摄的图像进行滤波处理，本文研究了均值滤波、高斯滤波，对其滤波后的边缘灰度值与原图像对比，发现差异较大，边缘保持性能不佳。本文对几种经典像素级边缘检测算子对比分析，得知Canny算子实用性较强，但是存在滤波方面的不足，本文用各向异性扩散滤波代替高斯滤波，弥补了高斯滤波的不足，保持了边缘特征。在实现像素级边缘定位后，本文分析了基于矩的亚像素边缘检测、基于拟合的边缘检测和基于插值的边缘检测，得知插值法运算简单、编程易于实现，可达到的精度也较高，因此，本文采用基于插值的亚像素细分算法，使边缘检测的精度达到5m。