工业ccd视觉检测系统的设计由两局部组成：系统硬件优化设计和系统软件优化设计。系统硬件设计触及摄像机和镜头的选择，图像采集和传输等。系统软件主要包括图像处置技术，图像特征辨认，图像了解和摄像机校准技术。每个组件直接影响最终的视觉检测结果，包括检测系统速度，精度，稳定性，牢靠性等。在相同系统硬件设计的状况下，软件技术已成为进步检测精度和检测速度的关键。图像处置技术是视觉检测系统软件的中心局部，包括图像分割，边缘检测，亚像素定位和图像特征提取。在其他技术中，由于三维世界中的物体经过点，线和面等几何元素衔接，因而图像特征提取主要包括对角点，线和曲线等几何特征的辨认和了解。图片。

图像分割

图像分割算法通常基于像素属性的不连续性或类似性。亮度属性是图像的根本属性，也是图像分割中运用最普遍的属性。基于图像边缘的图像分割办法是一种基于亮度不连续的办法;阈值法和区域生长法是基于亮度类似度的典型图像分割办法。

2.边缘检测

典型的边缘检测办法是微分算子办法。后来，呈现了Canny边缘检测算法，小波边缘检测算法，基于数学形态学的办法和SUSAN边缘检测办法。

3.边缘亚像素定位技术

由于HUECKEL在1971年运用拟合参数方程的办法来完成图像边缘子像素定位，因而曾经构成了各种子像素定位办法。基于矩量法的亚像素边缘检测包括灰度矩法，二阶矩法，空间矩法，Zernike正交矩法和各种改良算法;基于插值的子像素算法具有多项式插值办法和四阶非线性插值办法等;基于曲线拟合的亚像素定位算法主要包括二次曲线拟合和高斯曲线拟合办法;和基于小波的子像素边缘定位办法。

4.相机校准

传统的相机校准办法是在特定相机模型下将具有特定外形和特定尺寸的物体作为参考物放置在相机前面，并且相机获取物体的图像并相应地计算相机模型参数。常用的是基于三维平面目的的相机校准办法，基于二维自在挪动目的的相机校准办法，以及基于径向约束的相机校准办法。摄像机自校准办法不需求预先放置校准参考对象，并且仅在运动期间运用摄像机四周环境的序列图像之间的对应关系来校准摄像机。目前，现有的自校准技术大致可分为基于主动视觉的摄像机自标定办法，基于二次曲线的自标定办法，以及直接求解Kruppa方程的摄像机自标定办法。视觉检测设备首选思锐视觉。