苹果的品质分级是水果产后处理和市场销售的一个重要环节，主要依据其大小、形状、颜色等指标进行。我国的苹果分级长期以来一直是手工进行，其缺点是客观性和稳定性差，效率低。 　　计算机图像处理和机器视觉技术的发展大大推动了苹果自动分级研究的进展。本研究通过VC++语言编程实现了图像的采集、处理和步进电机的控制。 　　图像的采集是第一步工作，本文通过编程实现了图像的定时采集，本研究的时间间隔为1000ms，采集宽度和高度均为352个像素。 　　本文提出了一种方法，通过建立模板不仅可实现单像素的边界提取功能，而且可以用来判断目标图像的边缘是否含有噪声；形态学方法可有效去除果梗，第二章中，经多方位的分析，得出可能要经过多次腐蚀才能去除果梗、腐蚀方向必须恰当等结论；灰度拉伸对灰度图像有很好的效果，但对彩色图像的拉伸容易使原来的图像失真，本文分析了产生失真的原因及如何避免的一些办法。 　　色度H是图像的一个重要特征，在第三章中，本文通过大量试验，得出红富士苹果的H值主要集中在0-79度的结论，然后将0-79分成8等份，并将各等份归一化后的平均值输入训练好的遗传人工神经网络实现颜色检测。 　　本文首次提出了一种新方法实现了苹果表面缺陷的检测，该方法主要步骤为：精选有代表性的伤斑，从中截取4×4方形区域6个；同理，在精选的完好表面中也截取4×4方形区域6个；对12个区域中的每个饱和度S作一维离散傅立叶变换，并构成两个参考组；最后将待测苹果分成多个方形区域，使每个区域的宽度和高度均为4个像素，取出其中6个并与前面两组合在一起构成三组数据，利用方差的显著性检验确定待测苹果与前两组中的哪一组没有显著性差异，从而断定该苹果表面是否完好。