Les méthodes de détection de contours permettent d'obtenir très rapidement (de l'ordre de la seconde) un ensemble de contours qui serviront de base à des algorithmes de fermeture de contours. En raison de leur caractère local, ces méthodes doivent diminuer le bruit en appliquant un filtre passe-bas comme la gaussienne ou les filtres de Deriche [Der87] et Shen [SC92]. L'utilisation de ces filtres pose le problème du réglage des paramètres. Si l'on filtre trop, on risque de ``rater'' des bouts de contours importants alors que si on ne filtre pas assez, l'on risque de se retrouver avec une quantité de contours non significatifs. De plus un même contour peut avoir deux localisations légèrement différentes pour des filtrages voisins. Un début de solution à ce dernier problème a été apporté par Witkin [Wit84] dans le cas de signaux mono-dimensionnels mais à notre connaissance, il n'a pas pu être étendu aux images 2D. Williams [WS90] a toutefois utilisé une partie des travaux de Witkin pour calculer les déplacements d'un contour de type ``escalier'' en fonction du filtrage. Cette étude lui fournit des informations supplémentaires utilisées lors de l'étape de fermeture de contours.
De plus, le caractère local de ces méthodes rend difficile l'insertion du concept de régions. Il est par exemple délicat d'insérer dans des algorithmes de détection de contours des règles telles que :