平均尺寸的检测在很多领域都是产品质量控制的重要手段，然而传统的手工测量方法很难适应于连续机械化生产的需要。一个基于光学和计算机技术的机器视觉系统常常是生产控制线的一个部分，它可以提高生产速度和质量，统一规则和标准。近年来，利用计算机视觉进行工业检测已经被运用到了许多不同的领域，例如，集成电路，钢铁生产，家禽加工，道路建设，岩石破碎等。 目前绝大多数的机器检测系统都是通过分割来检测颗粒的平均尺寸和形状参数的，但对于多颗粒图像，由于光照不均，表面粗糙，颗粒之间相互粘连、重叠、缺损等原因，使用传统的分割算法常常达不到很好的效果。本文针对这种情况，提出了一种不用经过精细分割，而是基于边缘密度计算紧凑颗粒平均尺寸的算法。该算法主要使用缩小的平滑图像的Canny边缘(或者边缘聚焦的Canny边缘)，并且与基于转动贯量阈值方法获得的间接边缘密度相比较。计算中还包括一个平均形状因子，要通过粗糙局部分割获得。 通过对大量颗粒图像进行的实验，特别是岩石骨料图像序列的实验结果显示，对于紧凑型的石料颗粒，采用基于边缘密度的方法检测颗粒数量或者平均尺寸常常可以收到相当好的效果。该算法是一种获得平均尺寸的相对计算量较小的方法，特别地对于那些由于各种原因导致分割效果不佳的图像有良好的效果。因此该算法是可以用于图像序列处理的实时应用的。