傳統檢測技術
1.微分邊緣檢測：
Sobel算子，Robert算子，Prewitt算子，Laplacian算子等。但一般的微分運算會使圖像噪聲增強，影響邊緣檢測性能。Canny算子微分運算之前採用平滑濾波器減少噪聲影響。
2.鬆弛迭代法
圖像邊緣上某一點與其某鄰域內點的狀態和方向相關．基於該思想，鬆弛迭代方法從邊界增強的角度出發來提取物體邊緣，再根據邊界點信息在局部具有的一致性和相關性，使用邊緣點的位置、梯度、曲率等信息初始化鬆弛網絡像素的標記，通過不斷迭代，對標記進行重複糾正和約束，增強有規律的邊緣信息，削弱無規律的噪聲，最後使迭代收斂於真實邊緣。鬆弛迭代法的計算量小，且邊緣檢測的質量較好。
3.基於數學形態學的邊緣檢測技術
數學形態學邊緣檢測就是利用數學形態學所定義的膨脹、腐蝕、開運算以及閉運算，選取合適的結構元素。通過形態學中複合運算作用於圖像，從而得到完整的圖像邊緣，具有簡單、運算速度快等優點。
現代邊緣檢測技術
1.基於模糊學的邊緣檢測基本思想是先利用隸屬度函數將圖像從空間域映射到模糊特徵域：然後進行模糊增強處理，以增強邊緣兩側像素灰度的對比度：再通過隸屬度矩陣的逆變換由模糊域變回數據空間；最後提取圖像邊緣。基於模糊學的邊緣檢測方法能有效地將物體從背景中分離出來。但是矩陣運算複雜、抗噪性能差。
2.基於神經網絡的邊緣檢測技術
神經網絡算法具有良好的非線性、自組織性和自適應性，被廣泛應用在邊緣檢測技術中。
3.基於遺傳算法的邊緣檢測技術
遺傳算法是模擬達爾文生物進化論的計算模型．具有簡單和魯棒性強等特點。主要分爲初始化、選擇、交叉和突然變異四個部分。遺傳算法作爲一種有效的全局並行
優化搜索工具。廣泛的應用在邊緣檢測領域，主要分爲利用遺傳算法優化現有的邊緣檢測模版和使用遺傳算法搜索最佳的邊緣檢測閥值兩方面。
4基於多尺度邊緣檢測技術
由於物理和光照等原因，每幅圖像中的邊緣通常產生在不同的尺度範圍上，形成不同類型的邊緣，用單一尺度的邊緣檢測算子不可能正確地檢測出所有邊緣，因此用多尺度的方法檢測邊緣越來越引起人們的重視。多尺度邊緣檢測方法是在不同尺度空間檢測邊緣，再綜合它們的輸出結果以獲得理想的邊緣圖像。
5.亞像素邊緣檢測技術
常用邊緣檢測算子檢測精度一般爲1個像素，亞像素邊緣檢測算法是檢測精度優於1個像素的高精度邊緣檢測技術。亞像素邊緣檢測算法通常分邊緣初定位和精定位兩步進行。目前主要的亞像素邊緣檢測算法有亞像素擬合算法、亞像素矩算法和亞像素插值算法。
基於模糊學的邊緣檢測和亞像素邊緣檢測等方法檢測精度高，但抗噪聲性能較差；基於神經網絡和基於數學形態學邊緣檢測等方法解決了抗噪聲性能差的問題．但檢測精度又不夠。