随着桥牌游戏的日益盛行和比赛规则的多样化与复杂化，越来越多的功能各异的发牌机开始应用在桥牌比赛、大学生人文素质教育以及人们休闲娱乐生活中。智能的发牌机一般包含控制系统部分、执行机械部分、图像采集与处理部分及数据通信等部分。论文着重对智能发牌机系统中的扑克视频图像的采集、自然环境下采集的目标进行分割、特征提取和字符识别的一些关键的技术进行了深入探讨，主要解决了以下几个问题：　　针对自然环境下采集的目标如何分割的问题，论文提出了改进的二值化算法。算法的改进点在于引入了大窗口和小窗口并行计算的思想，根据两个窗口内像素的统计值来标记有效像素，从而达到算法加速的目的。实验表明：在保留了整个图像多个较完整的字符笔画和花型轮廓的基础上，改进的二值化算法最大提速48％。　　针对如何快速判别二类目标的问题，论文给出了一种标识字符和花型的算法。首先，计算连通区域特征以去除非目标区域；其次，对候选目标倾斜矫正后提取反应目标结构、笔画和方向的特征；最后，输入神经网络进行特征分类，达到高质量的目标快速识别和低质量的目标二类检测的目的。　　针对受光照、噪声等因素干扰的低质量目标高精度识别问题，论文设计了一种多特征融合的分类算法。首先，通过最小平均熵相关系数和非线性变换优化了 Gabor滤波器组的最佳输出；其次，归一化主轴方向以达到几何不变性；最后，算法采用了基于置信度分析的Log-OP的融合方法，融合神经网络判别结果和强分类器的分类结果。实验结果表明：字符和花型识别准确率分别为98.5%和98.7%。　　针对扑克图像识别技术在发牌机上的应用问题，论文给出了扑克识别系统的设计框架、处理时间和分类性能分析。首先，通过UDP连接实现了基于C/S结构的PC机和ARM视频数据网络传输。其次，采用OpenCV完成了PC机端的图像处理与识别，实现了扑克图像识别系统良好的可视化界面。最后，分析了实时图像采集和分类识别程序在时间上性能指标。系统运行结果表明，扑克识别系统满足发牌机在时间上和精度上的需求，成功解决了图像识别技术应用在智能发牌机上诸多弊端。