利用计算机视觉和图像处理技术对水果进行品质无损检测和自动分级过程中，摄像头采集的水果图像质量将直接影响最终的检测和分级结果。因此，在图像采集过程中需要尽量降低图像失真程度。除了计算机视觉系统本身硬件设备的局限性造成的图像失真外，三维物体投影到二维图像平面时也会形成不同程度的灰度和颜色变化，来反映物体的形状信息。这种图像失真是不可避免的，只能通过校正算法来减小失真。本文主要针对这种图像失真，研究了图像校正的方法，主要研究内容和研究成果如下： 1．综述了利用计算机视觉技术进行水果自动检测和分级的国内外研究进展，并指出了国内外同类研究中所存在的问题。 2．根据所采用的计算机视觉系统的硬件组成以及摄像机的几何模型，给出了摄像机的常用定标方法，并利用标准色卡研究了本系统图像采集颜色信号的失真规律，建立了摄像机颜色校正模型：R=2.903R′-1.124G′-140.903，G=0.369R′+1.846G′-0.308B′-150.777，B=0.297R′+0.466G′+1.288B′-151.384，其中R′、G′、B′和R、G、B分别是校正前和校正后的颜色刺激值，模型的相关系数R²分别为0.980、0.973、0.981。 3．分别在6个不同位置采集三种大小、19种不同表面颜色的球体的图像，提取球体图像灰度分布特征。通过分析发现，不同大小和不同表面颜色球体的图像具有相同的灰度失真规律，失真灰度值随着到球心距离的增加逐渐变大。同时，随着球体图像采集位置到摄像头视区中心的距离增大，球体图像中像素点的灰度值也在下降。结合球体成像过程的光度学分析，建立了位于摄像头视区中心的球体图像灰度校正模型：ΔG=31.725-31.725cos（α），cos（α）=（1-（r/R）²）^1/2，其中ΔG是球心像素与待校正像素之间的灰度差值，r是待校正像素到球心像素的距离，只是球体半径，模型相关系数R²=0.796；建立了偏离摄像头视区中心的球体图像灰度校正模型：ΔG=0.04975d-0.467，其中ΔG是位于视区中心与偏离视区中心的图像之间的灰度差值，d是偏离视区中心的距离，模型相关系数R²=0.842。 4．通过对球体彩色图像的亮度、色调和饱和度的分布特征的分析发现，球体图像颜色失真主要跟颜色的亮度分量有关，而与色调和饱和度分量关系不大。本研究在HSV颜色空间上建立了球体图像的颜色校正模型：ΔV=0.180-180cos（α），cos（α）=（1-（r/R）²）^1/2，其中ΔV是亮度失真值，r是待校正像素到球心像素的距离，R是球体半径，模型相关系数R²=0.846。球体图像的亮度失真校正模型与灰度校正模型在形式上类似，仅模型参数上不同。 5．根据已建立的球体图像的灰度和颜色失真校正模型，研究了柑桔图像的灰度和颜色失真校正方法，提出了相应的校正算法，并用Matlab语言完成了程序设计。 6．使用图像校正程序，分别校正了试验球体的图像失真，图像的校正结果验证了球体图像的灰度和颜色校正模型和方法的有效性。