针对连接器表面裂纹人工检测操作繁琐、效率低的问题，提出一种基于机器视觉的连接器表面裂纹智能检测方法。首先，利用基于随机采样一致性的直线拟合方法对待检测区域下边界进行拟合，以定位待检区域和边界。其中，基于单一尺度的形态学运算方法无法有效提取到裂纹区域，根据裂纹特点，提出一种基于多尺度形态学运算的裂纹提取方法，对比实验结果表明，该方法具有良好效果，实现了对裂纹区域的粗提取。再根据裂纹结构特征，提出一种自适应阈值分割方法完成对裂纹区域的分割。最后，通过Blob分析统计目标连通域的位置信息及目标区域的灰度响应强度，完成对真伪裂纹的判别。所提方法最终实现对连接器表面裂纹的实时在线检测，检测准确率可达97.1%。

对印刷电路板(PCB）进行表观检测时，传统标准板的图像建立是利用PCB图像自身的特征进行配准和分层的，故检测精度不高。本文从PCB表观检测的实际需求出发，提出了新的检测系统。该检测系统引入解析Gerber文档对PCB光电图像进行分层处理，利用形态学的方法自动修正解析后的Gerber文档，建立精确的标准板。根据主分量分析提取彩色图像频带丰富的信息，依据检测缺陷的尺寸大小设置各层模板及检测阈值，实现局部针对性检测，提高检测精度。实验结果表明，与传统的基于颜色分区域方法相比，基于Gerber的方法不仅提高了检测精度，且较大幅度地提高了自动光学检测系统的检测效率，其微小缺陷检测率高达95.1%，25 cm×22 cm电路板检测时间仅需1.09 s，满足了在线检测对速度的要求。

红外十字分划线的提取和中心定位是红外观瞄装备实现光轴检测数字化的重要组成部分。针对红外图像对比度差、信噪比低、边缘模糊的特点,提出了基于灰度形态学的十字分划线提取方法,应用一个形态学顶帽算子并对得到的结果使用大津(Otsu)方法进行阈值处理。根据十字分划线的形态特点设计了十字结构元素对提取出的十字分划线进行腐蚀,对红外十字分划线实现了定位。实验结果表明,提出的算法能在图像对比度较低,边缘模糊的情况下有效地提取出十字分划线,并准确定位到十字分划线的中心。