图像预处理：包括图像增强、图像滤波、图像分割，使用边缘检测算法对图像进行边缘检测，并对图像进行特征提出和特征向量归一化处理，将归一化后的特征输入神经网络分类器，由分类器对这组特性进行分类、判断，得出识别结果，在经过目标定位，从而实现机械手做出响应的动作；

图像处理的目的是使目标物的特征增强，在完成对目标物增强的同时，抑制非目标物；图像特征提取是抽取目标物的特征；分类器根据目标物的特征将要识别的物体分类，完成物体的识别；通过视觉目标定位提取目标物的位置信息，实现目标定位。

图像增强
图像增强是按特定的需要突出一幅图像中的某些信息,同时削弱或去除某些不需要信息的处理方法。其主要目的是使处理后的图像对某种特定的目的来说比原始图像更适用。因此,这类处理是为了某种目的去改善图像质量的。处理的结果使图像更适用与人的视觉特性或机器的识别系统。应该明确指出的是增强处理并不能增强原始图
模板处理
模板处理在图像处理中有很多应用,对图像的滤波一般都是在图像空间借助模板进行领域操作完成的。根据实现的功能不同,可以分为两类
(1)平滑(低通)滤波器:它能削弱或消除傅立叶空间的高频分量,但不影响低频分量，因为高频分量对应图像中的区域边缘等灰度值具有较大较快变化的部分,滤波器将这些分量滤去可使图像平滑
2)锐化(高通滤波器它能刷弱或消除傅立叶空间的低频分量,但不影响高频分量
因为低频分量对应图像中灰度值缓慢变化的区域,因而与图像的整体特性,如整体对比度和平均灰度值等有关,高通滤波器将这些分量滤去可使图像锐化。
图像分割
在对图像的研究和应用中,人们往往仅对图像中的某些部分感兴趣。这些部分常称为目标或前景(其它部分称为背景),它们一般对应图像中特定的、具有独特性质的区域。为了辨识和分析目标,需要将这些有关区域分离提取出来,在此基础上才有可能对目标进一步利用,如进行特征提取和测量。图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。这里的特性可以是灰度、颜色、纹理等,目标可以对应单个区域,也可以对应多个区域。
图像分割是由图像处理进到图像分析的关键步骤,也是一种基本的计算机视觉技术。这是因为图像的分割、目标的分离、特征的提取和参数的测量将原始图像转化为更抽象更紧凑的形式,使得更高层的分析和理解成为可能。

边缘检测
边缘检测是所有基于边界的分割方法的第一步。两个具有不同灰度值的相邻区域之间总存在边缘。边缘是灰度值不连续的结果,这种不连续常可利用求导数方法方便地检测到,一般常用一阶和二阶导数来检测边缘边缘的检测可借助空域微分算子通过卷积完成。实际上数字图像中求导数是利用差分近似微分来进行的。下面介绍几种简单的空域微分算子,它们不仅可以用于检测2D边缘,也可以用于检测3D边缘。

阈值分割
在利用取例值方法来分割灰度图像时,一般都对图像有一定的假设。换句话说,是基于一定的图像模型的。最常用的模型可描述如下:假设图像是由单峰灰度分布的目标和背景组成,在目标或背景内部的相邻象素间的灰度值是高度相关的,但是在目标和背景交界处两边的像素在灰度值上有很大的差别。如果一幅图像满足这些条件,它的灰度直方图基本上可看作是由分别对应目标和背景的两个单峰直方图混合而成。此时如果这两个分布大小(数量)接近且均值相距足够远,而且均方差也足够小,则直方图应是双峰的。对这类图像常可用取阀值方法来较好地分割。