为了解决当前工件目标检测技术在特征不清晰且背景干扰强度大的情况下导致其定位精度不高的问题,文章提出了基于方向梯度直方图（histograms of oriented gradient,HOG）特征和连通区域分析的工件目标检测算法。首先,对训练集中的标准工件目标图像进行网格划分,计算网格内像素梯度,统计梯度直方图,完成HOG特征提取与训练。然后,对单峰阈值的区间划分进行细化,提出了双阈值分割机制,结合连通区域分析,将二值图像转换为标签图像,并进行像素属性评估,滤除干扰,达到准确定位工件目标的目的。最后,基于开源图像库ITK和底层编程实现算法,并集成于标准化软件系统。实验测试结果显示：与当前主流工件目标检测技术相比,文中算法拥有更高的准确性与稳定性。

针对原始的Canny边缘检测算法高低阈值不利于选择的问题,提出一种改进的Canny自适应边缘检测算法。该方法采用3×3的Sobel边缘算子模板代替2×2邻域内求有限差分来计算梯度幅值;利用梯度直方图来选取高低阈值,提高了算法的自适应性;在边缘的连接上采用边界追踪的方法,来保证边缘的连续性和唯一性。以20mm量块图像边缘检测为例进行了实验。结果表明,该算法在保证实时性的同时,具有更好的检测精度和准确度,细化图像边缘和抑制伪边缘噪声方面的性能也得到了提高,是一种有益的边缘检测改善方法。