图像分割有三种不同的途径：其一是将各像素划归到相应物体或区域的像素聚类方法，即区域法；其二是通过直接确定区域间的边界来实现分割的边界方法；其三是首先检测边缘像素，再将边缘像素连接起来构成边界形成分割。在图像分割技术中，最常用的是利用阈值化处理进行的图像分割。根据工件图像中出现的颜色的直方图可以选择合适的阈值，从而将工件与背景分离开来，这在 3.3.3章节中也有所描述，在灰度图象的分割中将详细介绍。例如红色工件图像中主要为红色（255，0，0），当然工件的颜色实际上是亚红色（例如(100，0，0)）；背景为白色，白色(255，255，255)值比较大，而红色部分的 R 值其实不在 200 以下。通过一个二重循环来遍历这个图像，像素 R 值大于 200 的全部置为白色（255，255，255）；R 值小于 200 则不便，其 G、B 通道全置 0，这样便能分离出工件图像的 R 值，如下图。
 图 5.2.1.2 红色分量分割图
（2）灰度图象处理
虽然可以通过分割出感兴趣的部分来处理彩色图像，但是毕竟彩色图像包含着大量的颜色信息，不仅存储量大而且处理速度也受影响。在图像处理的许多应用方面，并不要求使用图像的三个不同颜色分量（R、G、B），因此常将彩色图像转化为灰度图像（常称为彩色图像灰度化），以便加快处理速度。在线零件识别与监测系统由于对实时性的要求较高，而且工件的颜色数量较少，因此采用对其灰度图像进行处理。
1、灰度化
R=G=B 的颜色值叫做灰度值，灰度图像每个像素只需要一个字节存放灰度值（又称强度值、亮度值），灰度值范围为 0—255，通常有以下几种方法对彩色图像进行灰度化。
(1) 分量法
将彩色图像中的三分量的亮度作为三个灰度图像的灰度值，可根据应用需要选取一种灰度图像。
                （4-2）
其中，fk(i, j)(k=1,2,3)为转换后的灰度图像在(i,j)处的灰度值。如图 4.9a 所示的彩色图像转换成图 4.9 b，c，d 所示的三种灰度图像。从图中可以看出分量法灰化难免会突出强调某一分量，而另外两分量的信息将会减弱。
图 5.2.1.3 分量法灰度化
(2) 最大值法
将彩色图像中的三个分量的最大值最为灰度图像的灰度值。
f(i, j)=max(R(i, j),G(i, j),B(i, j))
图4.9a为红色工件原图，经过彩色图像分割可以计算出max(R(i,j),G(i,j),B(i,j))为 R(i,j)，由此可知其效果图如下图 。由于背景接近白色，所以背景都被灰化成了白色，工件图像则按照其自身颜色最大分量灰化，但也丢失了其他分两的一些信息。
图 5.2.1.4 最大值法灰度化             图 5.2.1.5 加权平均法灰度化
2、中值滤波
摄像头摄取的图像中往往含有噪声干扰，故需先采用有效的滤波方法，滤掉其中的噪声成分。对数字图像中的脉冲噪声的滤除，中值滤波有很好的滤波效果，如图 4.12b。图 a 是对加权平均法灰化后的图像进行二文中值滤波。
 
图 5.2.1.6 中值滤波后的图像
平均滤波往往不只是把干扰去除，还常把图像的边缘模糊，因而造成视觉上的失真，如果目的只要把干扰去除，而不是刻意让图像模糊，则中值滤波是比较好的选择。
中值滤波是一种非线性的信号处理方法，与其对应的中值滤波器也是一种非线性的滤波器。中值滤波器是在 1971 年由 J．w．Jukcy 首先提出并应用在一文信号处理技术中(时间序列分析)，后来被二文图像信号处理技术所引用。它在一定的条件下，可以克服线性滤波器如最小均方滤波、平均值滤波等所带来的图像细节模糊，而且对滤波脉冲干扰及图像扫描噪声最为有效。特别适合用在有很强的胡椒粉式或脉冲式的干扰时，因为这些干扰值与其邻近像素的灰度值有很大的差异，因此经排序后取中值的结果是强迫将此干扰变成与其邻近的某些像素的灰度值一样，达到去除干扰的效果。在实际运算过程中并不需要图像的统计特性， Matlab生产自动化实验系统机器视觉单元设计+CAD图纸(13):http://www.youerw.com/zidonghua/lunwen_276.html