人类所获得的外界信息的75%以上是来自眼睛摄取的图像。视觉图象是人类获取信息最主要的来源,其直观性和易理解性是显而易见的,是其它信息所无可比肩的。将图像技术和计算机技术结合在一起,形成了数字图像处理分析技术。数字图像处理分析技术在不同领域的应用,产生了不同的应用学科。目前已发展了多门相关的应用学科：计算机视觉,机器人视觉,模式识别与人工智能等。近年来,数字图像处理技术发展迅速,基于机器视觉的各种检测技术逐步从研究领域走向实用化阶段。颜色检测用图像处理与识别技术测量颜色之间的差别,可以显著提高对颜色检测的工业生产的自动化程度。颜色检测技术通过图像采集设备采集待测物体表面颜色图像,利用参考颜色标准,使用计算机对颜色图像进行算法计算,准确区别颜色之间的差别。通过查阅国内外相关资料,发现颜色检测技术研究大部分集中于颜色差别比较大的色彩方面。色差的检测一直是颜色检测的难点。由于颜色空间的均匀程度不同,与人眼对同一色度观测结果的差异也不同。因此,如何准确的对色差进行检测,正确的区分缺陷颜色的边界,以及提高表面颜色测试的精确度和与人眼的吻合度就显得尤其重要。并且具有相当高的研究意义和现实意义。本文针对以上问题做了以下研究工作：1.彩色图像颜色边界的划分边缘检测算法是图像测量技术的研究重点。目前,国内外研究者提出了多种边缘检测算法,并得到具体的应用。但这些研究对于彩色图像的处理技术在质量检测中不能达到很好精度。本课题提出一种利用在均匀颜色空间CIEL*a*b*空间内利用图像与图像主色之间的色差为参数的彩色图像边缘检测方法。并用水平集方法、颜色空间转换后中心聚类法等多种方法对多种典型彩色图像进行了分割。2.在试验获得的最优灯光亮度和角度下,对色差进行检测本文在分析灯光位置和亮度对颜色的影响,提出的灯光视场角度最优方案的基础之上,采用目前最均匀的色差公式CIEDE 2000对色差的检测进行了研究。实验结果表明,CIEDE 2000色差公式可以对色差进行比较好的检测。3.研究颜色测量系统的干扰因素,提高颜色测试的重复稳定性和准确性在研究试验的过程中,分析颜色测试的多种干扰因素,提出解决方法提高颜色测试的重复稳定性和准确性。4.分析人眼对色彩质量评价的标准,提高机器视觉表面颜色测试和人眼视觉的吻合度本文通过Mat lab和VC++6.0软件实现了上述算法和方法,最后对颜色检测实验进行验证,取得良好的效果。