1.一种图像边缘检测方法，包括如下步骤：

1)获取待检测图像，计算图像中各个像素点的梯度值，其中，像素点A(i,j)的梯度值为G(i,j)；

2)确定高梯度阈值high_thresh和低梯度阈值low_thresh；

3)比较梯度值G(i,j)与高梯度阈值high_thresh和低梯度阈值low_thresh的大小，判断像素点A(i,j)是否为边缘像素点，全部所述边缘像素点组成所检测的边缘；

其中，待检测图像的大小为m×n像素，所述i∈[1，m]，j∈[1，n]；

其特征在于，在所述的步骤2)中，根据步骤1)中得到的梯度值G(i,j)计算高梯度阈值high_thresh和低梯度阈值low_thresh；

所述的步骤1)具体包括：

计算像素点A(i,j)在x方向和y方向的梯度Gx(i,j)和Gy(i,j)，其中：计算像素点A(i,j)的梯度值G(i,j)，其中：

G(i,j)＝|Gx(i,j)|+|Gy(i,j)|；

所述的步骤2)具体包括：

预设梯度比例高阈值rh和梯度比例低阈值rl；

计算梯度均值Gavg，其中：

比较各个梯度值G(i,j)与梯度均值Gavg的大小，对于大于等于梯度均值Gavg的各个梯度值G(i,j)进行降序排列得到梯度值序列Glist；

所述梯度值序列Glist中由大到小第m×n×rh个梯度值作为高梯度阈值high_thresh；

所述梯度值序列Glist中由大到小第m×n×rl个梯度值作为低梯度阈值low_thresh；

所述的步骤3)具体包括：

将待检测图像中任意3×3个像素点的梯度值进行比较，取其中梯度值最大的像素点，再将该像素点的梯度值分别与高梯度阈值high_thresh和低梯度阈值low_thresh进行比较；

若梯度值G(i,j)>high_thresh，则将像素点A(i,j)标记为真边缘点；

若梯度值G(i,j)

若梯度值满足low_thresh≤G(i,j)≤high_thresh，则将像素点A(i,j)标记为弱边缘点；

全部比较完成后，针对被标记为弱边缘点的像素点，判断其周围的八个像素点中是否存在真边缘点；若判断结果为是，则将所述弱边缘点标记为真边缘点，否则标记为非边缘点；

将所有真边缘点标记为边缘像素点，得到所检测的边缘。

2.根据权利要求1所述的图像边缘检测方法，其特征在于，所述步骤3)之后还包括步骤

4)：将所述边缘像素点的灰度值设置为c，待检测图像中其他像素点的灰度值设置为d，输出所得图像，即为边缘检测图像。

3.根据权利要求2所述的图像边缘检测方法，其特征在于，所述c＝225，d＝0。

4.根据权利要求1‑3中任意一项所述的图像边缘检测方法，其特征在于，所述图像边缘检测方法应用于板材图像的板面区域检测，所述图像边缘检测方法还包括在一定光照条件下采集板材的板面图像，将采集到的板材的板面图像作为待检测图像进行边缘检测，根据检测结果确定板面区域。

5.一种图像边缘检测装置，用于实现权利要求1‑4中任意一项所述的图像边缘检测方法，其特征在于，包括计算单元、分析单元和输出单元；

所述计算单元用于计算待检测图像中像素点A(i,j)的梯度值G(i,j)，以及根据梯度值G(i,j)计算高梯度阈值high_thresh和低梯度阈值low_thresh；

所述分析单元与计算单元连接，用于接收计算单元计算的梯度值G(i,j)、高梯度阈值high_thresh和低梯度阈值low_thresh，将梯度值G(i,j)与高梯度阈值high_thresh和低梯度阈值low_thresh进行比较，以确定像素点A(i,j)是否为边缘像素点；

所述输出单元与分析单元连接，用于接收分析单元得到的所有边缘像素点的坐标(i,j)，以输出所检测的边缘。

6.根据权利要求5所述的图像边缘检测装置，其特征在于，所述分析单元包括相互连接的排序模块和比较模块；所述排序模块与所述计算单元连接，所述比较模块与所述输出单元连接；

所述排序模块用于将接收到的多个梯度值G(i,j)按照大小进行顺序排列，得到梯度值序列Glist，并通过预存的梯度比例高阈值rh和梯度比例低阈值rl从Glist中确认高梯度阈值high_thresh和低梯度阈值low_thresh；

所述比较模块用于比较梯度值G(i,j)与高梯度阈值high_thresh和低梯度阈值low_thresh的大小，根据比较结果确定全部边缘像素点的坐标。

7.根据权利要求5或6所述的图像边缘检测装置，其特征在于，所述输出单元包括显示模块，所述显示模块根据所得边缘像素点的坐标，按照所有边缘像素点的灰度值为c，待检测图像中其他像素点的灰度值为d进行显示，输出边缘检测图像。