当今社会,纽扣已经广泛应用在人们的生活中,因此纽扣的种类也日渐丰富。使用人眼对大批量生产种类丰富的纽扣分拣与检测来说效率十分低下,因而通过机器视觉对纽扣进行智能分类编码的需求越来越大,而现在研究较多的是使用简单的纹理特征和颜色特征对工业产品进行分类,这些分类方法仅仅只适合于颜色单一或者纹路简单的工业产品分类,不适用于颜色丰富多彩纹理复杂不一的产品分类[37],而且也不能对相应的产品进行自动EPC编码。针对这一情况,本文在颜色纹理特征的基础上结合多模板模板匹配和决策树机制,对大数量的颜色、纹理花纹不一的工业纽扣进行分类识别并自动编码。光照条件和客观因素会对采集的纽扣图片造成光照不均等客观难以确定的影响,进而影响到需要处理的纽扣图片的质量,针对这一问题,本文采用归一化去除光照影响,采用自适应中值滤波器和直方图均衡化对纽扣图像进行纹理增强。针对实际生产线上的纽扣会出现方向、角度以及位置变化的情况,使用具有不变形的灰度共生矩阵来提取纽扣的纹理特征[8]。针对减少运算,本文使用灰度图像制作模板,减少颜色的增加计算次数。针对纽扣训练样本有限,本文提出选用决策树构建分类器,并根据决策树节点依照EPC编码规则对纽扣进行编码。由于用于本文实验中的纽扣的种类达上百种,因此简单的使用纹理分析或单单颜色分析方法不能很好地将纽扣都分开,而简单的将颜色和纹理分析方法结合会造成特征冗余,从而导致分类的识别率不高,为了减少计算量和提高识别率,本文提出结合多模板匹配和纹理颜色特征相融合的分析方法进行分类编码。通过实验证明,本文所使用的基于决策树的多模板匹配多特征融合的分类方法以及编码规则可以有效的实现纽扣图像的自动分类识别和编码。