工件识别是工业生产线上分拣、抓取等后续操作不可或缺的一部分。针对传统人工识别的弊端,将机器视觉原理引入目标工件自动识别过程,解决不同工件如何分类识别问题。本文研究了图像处理和特征提取算法及其软件编程技术。首先以常见的工件为研究对象,对它们的图像进行预处理。设计中值滤波结合形态学开闭滤波器的算法,并将其应用到工件图像去噪中,取得了较好的保边去噪效果;采用顶帽和黑帽运算级联的方式增强工件图像对比度,使图像中的一些细节更加容易辨识,为后续的特征提取和图像匹配打下基础。对主流的工件识别方法进行了研究,分析和比较各种算法的优势和不足。改进传统Fast角点提取算法,在角点检测过程中引入尺度空间和角点提纯思想对工件特征进行提取,用SURF描述器对得到的角点进行描述。选择KNN算法作为相似性度量,LSH索引在高维向量空间进行搜索,实现特征点的初匹配;用RANSAC算法剔除结果中存在的误匹配。匹配准确率相对原SURF检测算法有了明显提高。最后设计了基于机器视觉的工件识别系统,实现了图像采集、图像预处理、工件特征提取、角点匹配、结果输出与管理5大模块的功能。将机器视觉技术应用到工件自动识别中,大大提高了生产效率,解放了劳动力。同时,改进的算法不仅可以减少工件匹配的计算量,去除伪角点,加快识别速度,而且在噪声干扰、旋转、尺度变化等条件下也有较好的匹配效果。