基于机器视觉的定位识别研究是近年发展迅速的一项前沿科技课题，其在诸多领域都有着多方面的应用和十分广阔的开发前景，并且随着21世纪信息数字化，可视化，自动化的潮流趋势的推进，越来越多的工业生产线亟需具有自动视觉识别定位系统的支持和升级更新。所谓机器视觉的定位与识别，即为将真实空间中的三维物体影像通过摄像头等图像采集设备转化为机器语言，并利用定位软件根据特征进行分析和提取，最终达到识别与定位的目的。再根据所得的位置数据、信息进行其他的操作或控制。基于机器视觉的定位识别研究是一项包含领域十分宽泛的新兴课题，本文主要针对密集规则排列的物体的识别与定位进行研究，并以蜂窝图像中密集的蜂窝孔作为代表，进行分析与实践。从视觉定位系统的设计及系统的标定；数字图像的预处理；蜂窝孔的定位；输出图像的后处理等几个大的方面进行了研究与探索。其中在视觉定位系统的设计与标定一章，针对系统运行的流程框图、系统硬件的选取、系统光源种类的选择、软件运行流程、标定等问题给出了较为详尽的分析。而在图像的预处理一章，对于实时采集图像可能出现的模糊、噪点过多、光照不足、光照过剩、光照不均等问题给出了相应的介绍，并根据每一种不同的图像缺陷给出了针对的解决方案，在每一小节的最后利用蜂窝图像进行了举例，对于处理结果也进行了一定的分析。在这一章的最后还介绍了图像的边缘提取的相关理论，同样也给出了实例和结果分析。接下来的一章是对于密集复杂物体蜂窝图像中蜂窝孔中心位置的识别与定位研究。这其中利用了视觉定位软件Hexsight，开发了针对密集复杂物体的定位识别模块，并利用该程序对蜂窝孔的中心位置进行了定位研究，给出了定位流程与实例的结果分析。而在图像的后处理一章，本文创新的提出了两种拟合方法，分别是丫型模板拟合法和基线拟合方法。其中丫型模板拟合法是创新的利用丫型图像取代蜂窝孔的六边形图像作为特征模板进行提取定位，并且利用正六边形的几何性质，编程实现了对于蜂窝孔中心位置坐标的拟合处理，其目的是增加识别率，减小蜂窝孔轮廓畸变对于定位带来的影响。而基线拟合法同样是利用了蜂窝图像中蜂窝孔排列的特点，针对其规则重复的主要排列特征，提出了采用绘制基线的方法拟合未能成功识别的蜂窝孔中心点的位置坐标，对于小范围的蜂窝孔排列不均，轮廓畸变等，都能起到很好的处理效果。图像后处理是针对已经进行识别与定位后的图像进行的进一步加工与修正，主要目的是进一步完善图像定位的精度和识别率。这章提出的两种拟合方案也是本文的主要创新点所在，相信经过进一步的完善，会在实际的工业生产线中起到很大的作用，提高整体的视觉定位和识别系统的工作能力，工作精度和工作效率。本文实现了整个基于机器视觉的定位识别系统的搭建，通过诸多实时采集的图像样本给出了所研究的各个方面内容的实验及结果的分析。针对密集复杂物体这一研究对象，本文利用蜂窝图像中的密集排列的蜂窝孔作为实例进行了研究，通过预处理，后处理等附加的环节进一步提高的定位识别的精度和识别的数量，达到了研究的目的。