圖像預處理：包括圖像增強、圖像濾波、圖像分割，使用邊緣檢測算法對圖像進行邊緣檢測，并對圖像進行特征提出和特征向量歸一化處理，將歸一化后的特征輸入神經網絡分類器，由分類器對這組特性進行分類、判斷，得出識別結果，在經過目標定位，從而實現(xiàn)機械手做出響應的動作；

圖像處理的目的是使目標物的特征增強，在完成對目標物增強的同時，抑制非目標物；圖像特征提取是抽取目標物的特征；分類器根據目標物的特征將要識別的物體分類，完成物體的識別；通過視覺目標定位提取目標物的位置信息，實現(xiàn)目標定位。

圖像增強
圖像增強是按特定的需要突出一幅圖像中的某些信息,同時削弱或去除某些不需要信息的處理方法。其主要目的是使處理后的圖像對某種特定的目的來說比原始圖像更適用。因此,這類處理是為了某種目的去改善圖像質量的。處理的結果使圖像更適用與人的視覺特性或機器的識別系統(tǒng)。應該明確指出的是增強處理并不能增強原始圖
模板處理
模板處理在圖像處理中有很多應用,對圖像的濾波一般都是在圖像空間借助模板進行領域操作完成的。根據實現(xiàn)的功能不同,可以分為兩類
(1)平滑(低通)濾波器:它能削弱或消除傅立葉空間的高頻分量,但不影響低頻分量，因為高頻分量對應圖像中的區(qū)域邊緣等灰度值具有較大較快變化的部分,濾波器將這些分量濾去可使圖像平滑
2)銳化(高通濾波器它能刷弱或消除傅立葉空間的低頻分量,但不影響高頻分量
因為低頻分量對應圖像中灰度值緩慢變化的區(qū)域,因而與圖像的整體特性,如整體對比度和平均灰度值等有關,高通濾波器將這些分量濾去可使圖像銳化。
圖像分割
在對圖像的研究和應用中,人們往往僅對圖像中的某些部分感興趣。這些部分常稱為目標或前景(其它部分稱為背景),它們一般對應圖像中特定的、具有獨特性質的區(qū)域。為了辨識和分析目標,需要將這些有關區(qū)域分離提取出來,在此基礎上才有可能對目標進一步利用,如進行特征提取和測量。圖像分割就是指把圖像分成各具特性的區(qū)域并提取出感興趣目標的技術和過程。這里的特性可以是灰度、顏色、紋理等,目標可以對應單個區(qū)域,也可以對應多個區(qū)域。
圖像分割是由圖像處理進到圖像分析的關鍵步驟,也是一種基本的計算機視覺技術。這是因為圖像的分割、目標的分離、特征的提取和參數的測量將原始圖像轉化為更抽象更緊湊的形式,使得更高層的分析和理解成為可能。

邊緣檢測
邊緣檢測是所有基于邊界的分割方法的第一步。兩個具有不同灰度值的相鄰區(qū)域之間總存在邊緣。邊緣是灰度值不連續(xù)的結果,這種不連續(xù)?？衫们髮捣椒ǚ奖愕貦z測到,一般常用一階和二階導數來檢測邊緣邊緣的檢測可借助空域微分算子通過卷積完成。實際上數字圖像中求導數是利用差分近似微分來進行的。下面介紹幾種簡單的空域微分算子,它們不僅可以用于檢測2D邊緣,也可以用于檢測3D邊緣。

閾值分割
在利用取例值方法來分割灰度圖像時,一般都對圖像有一定的假設。換句話說,是基于一定的圖像模型的。最常用的模型可描述如下:假設圖像是由單峰灰度分布的目標和背景組成,在目標或背景內部的相鄰象素間的灰度值是高度相關的,但是在目標和背景交界處兩邊的像素在灰度值上有很大的差別。如果一幅圖像滿足這些條件,它的灰度直方圖基本上可看作是由分別對應目標和背景的兩個單峰直方圖混合而成。此時如果這兩個分布大小(數量)接近且均值相距足夠遠,而且均方差也足夠小,則直方圖應是雙峰的。對這類圖像?？捎萌￠y值方法來較好地分割。