随着现代工业的发展，智能化系统取代传统的人工操作成为一种必然趋势，机器人可以被看作是一种能够扩展人类工作能力的有效工具。本文主要研究汽车轮辋打磨机器人对轮辋焊缝识别的预处理。汽车轮辋打磨机器人在识别汽车轮辋图像时，由于各种因素产生的噪声影响机器人对轮辋细节的判断，不能准确地识别出轮辋的焊缝，所以有效地抑制图像噪声是十分关键的。本文主要以汽车轮辋图像中椒盐噪声为研究对象，分析了中值滤波及其改进算法的缺陷，进一步完善和改进了自适应极值中值滤波算法，改进算法不仅能有效地滤除高密度椒盐噪声，而且能很好地保护边缘细节。本文主要做了以下几项工作：
　　(1)在轮辋图像预处理中，图像滤波窗口忽略了首行、首列、末行和末列，针对这一缺陷，采用了自适应添加边框像素值，由于滤波窗口对图像左上方像素有一定的依赖性，自适应地从图像起始位置选择一个非噪声点作为添加的边框值；
　　(2)根据图像邻域像素值的相关性，采用阈值来检测出噪声点。该方法不仅可以提高算法的效率，且能减少噪声点的错检率；
　　(3)针对检测出的图像噪声点，采用图像像素相关信息和自适应变窗口滤波算法相结合的方法进行滤波。根据邻域像素值之间的分布特征，提取滤波判定条件；将不符合判定条件的噪声点采用自适应中值滤波法，根据图像受噪声污染的情况自适应地选取滤波窗口的大小，求取滤波窗口内的非噪声点对其排序求中值，替代噪声点做输出。该方法可以提高算法的滤波能力，还能防止噪声点在滤波时的传播；
　　(4)采用抗噪参数P图像质量评价方法检测各种滤波算法的性能，在OpenCV平台上对各种滤波算法进行仿真对比，实验结果及实验数据表明：本文采用的改进滤波算法在去除高密度椒盐噪声的同时还能保护图像的细节不被破坏，达到了提高峰值信噪比的效果。