计算机视觉预处理包括图像噪声的平滑、对比度的增强和边缘检测等，它是实行产品检测前的预处理过程。预处理中出现的错误利偏差会直接影响到后续处理与决策的正确性，预处理的精确为后续处理提供可靠的输入数据。因此，本论文的主要任务有二：一是对目前各种预处理算法进行研究，并使用VC++工具编程实现，二是把预处理方法应用于我们的实时检测系统中。 第二章首先介绍了对理想无噪声信号进行边缘检测的一般原理，然后介绍在有噪声的情况下，噪声是如何影响边缘的检测，最后叙述了两种主要的平滑降噪方法——高斯平滑滤波和自适应平滑滤波。高斯平滑滤波是一个低通滤波器，它通过口来控制滤波效果，σ越大，滤除噪声的能力就越强。但由于图像的边缘也表现为高频成分，所以它滤除噪声的同时，也模糊了图像的边缘。而基于梯度信息的自适应平滑滤波法既能有效地滤除噪声，又能锐化边缘，所以它在初级视觉处理中是一种非常有效的方法。本文在认真分析研究自适应平滑滤波法的基础上，对该算法进行了改进，让自适应平滑滤波达到真正地自适应的目的，大量实验表明，它的滤波效果是令人满意的。 第三章在认真分析研究Lee提出的图像增强算法的基础上，提出了它的改进算法，实验表明，改进算法具有较好的对比度增强效果。 第四章主要是认真分析研究被广泛应用的边缘检测算子——Canny算子。坎尼根据边缘检测的有效性和定位的可靠性，研究了最优边缘检测器所需的特性，最后推导出最优边缘检测器的数学表达式。用Canny算子直接与图像进行卷积提取图像的边缘时，需要很大的运算量，这不能应用于实时检测系统。但注意到Canny算子可以用分离的方法来计算，这样，可以大大减少运算时间，但Canny算子仍不适合于我们的实时检测系统。本文作者认真地分析了其原因后，发现在利用Canny的三个条件去检测图像的边缘点时，仍需花费较长的检测时间，使它还是不适合于我们的实时检测系统。所以，本文对此进行了改进，利用非最大压缩法去检测图像的边缘点，此法不但比Canny的检测条件能节省一半以上的运算时间，而且检测出的边缘连续性好，从而使Canny算子能够用于我们的实时检测系统。 最后，第五章应用以上方法到我们实时检测系统中的裂纹、垂直轴偏差、气泡和结石检测前的预处理，收到较为满意的效果。 以上介绍的图像预处理的各种算法，如高斯平滑、自适应平滑、Canny算子提取边缘等，在现行文献资料中，很难找到它们的实现代码，而本文在认真分析研究这些算法的基础上，用VC++实现了这些算法，为本实时检测系统的成功开发提供了有力的保证。