2.根據權利要求1所述的基于改進Roberts算子的不規則飲料瓶碼放圖像邊緣檢測方法，其特征在于，所述步驟S3改進的Sobel算子主要改進在：在傳統Sobel算子垂直與水平兩個方向的模板上，以45度為單位將垂直與水平模板均分成8個方向模板體，具體包括：

S31：邊界是亮度級的梯度變化，邊緣是梯度變化的位置，用梯度向量的大小和方向來表述這種變化，邊緣用梯度向量的大小和方向來表述這種變化；

梯度算子是一階導數算子，圖像f(x,y)在位置(i,j)的梯度定義為下列矢量：

的幅度值為：

S32：Sobel算子用水平和豎直兩個方向的模板與圖像f(x,y)做卷積運算，以此近似計算(i,j)處的梯度值，可通過下列公式求解G_x和G_y的值：

f(x,y)＝max{|G_x|,|G_y|}

Gx＝f(i+1,j-1)+2f(i+1,j)+f(i+1,j+1)-f(i-1,j-1)-2f(i-1,j)-f(i-1,j+1)

Gy＝f(i-1,j+1)+2f(i,j+1)+f(i+1,j+1)-f(i-1,j-1)-2f(i,j-1)-f(i+1,j-1)

式中，G_x和G_y分別為水平方向和垂直方向的梯度值；

S33：在傳統Sobel算子的基礎上，增加其他六個方向的模板，分別為45°、135°、180°、225°、270°、315°；

S34：根據上述8個方向模板，計算不同方向的權值，計算公式如下：

lng(x,y)＝-ln2[d(x,y)²-u]

ω(x,y)＝[g(x,y)]

式中，d(x,y)表示模板的元素與中心點之間的歐式距離，g(x,y)表示(x,y)處的實數權值，u表示調整系數，對g(x,y)取整得到ω(x,y)；

S35：根據預先設定的模板各個點的權重，然后與目標圖像相對應的像素做卷積運算；

S36：選取在步驟S25中得到的最大值，用此最大值代替模板中心點對應的目標圖像的像素值，最后輸出最大的灰度值作為所有模板中的像素輸出值；

S37：設定合適的閾值T，若(i,j)處的梯度幅值▽f(i,j)≥T，則將該點定義為邊緣點。