应变片自动识别、自动安装可以有效的提高生产效率，节约劳动力。而这其中的关键技术是如何提取应变片的特征，然后通过提取到的特征对应变片进行特征建模、特征识别。数学形态学类似人类的感知神经系统，属于非线性的信号和图像分析理论，所以数学形态学作为一种新起的学科理论在近几年得到了广泛的应用和发展。本论文以数学形态学作为基本理论和研究工具，对应变片自动安装技术中的图像顶处理、特征提取中的边缘检测和角点提取进行研究和算法设计。
　　在应变片图像的预处理中，研究和分析了传统的和比较流行的图像滤波方法应用到应变片图片滤波的优缺点，在此基础上引入模糊概念，设计了一种基于模糊形态学的应变片去噪算法，改进的算法根据隶属度对图像进行分类，避免了形态学在去噪时先放大噪声再去除噪声而导致细节损坏的现象。而且在设计中采用小结构元素，既可以很好保护图像的细节，减少在滤波过程对图像的损害，又可以有效的降低算法复杂度，提高运行速度。又分析了基于频域的去噪算法，将形态学算法与小波算法结合，提出了一种基于小波域的应变片去噪算法，有效的将形态学应用到颇域中，实现了二者的有机结合。
　　在应变片的边缘检测和角点提取中，研究了传统的边缘检测和形态学的边缘检测算法，并将其应用到应变片图片的边缘检测中，分析了这些算法的优缺点，根据实际需要，既要抑制噪声又要抑制背景，减少对后续匹配中的精度和匹配算法复杂度的影响，故利用结构元素的探针特点，设计了一种基于结构元素的边缘检测算法，该算法采用单一的5*5大小的结构元素，而且在程序中只需要执行一次形态学操作，较多结构多尺度结构元素的边缘检测算法，本算法计算量更小，可以很好抑制噪声和将背景边缘点和线抑制掉。除对边缘特征进行研究外，还对应变片的角点检测算法进行了研究，对比分析了SUSAN等经典算法和形态学等算法对应变片角点提取的效果，最后利用数学形态学结构元素的多尺度和多结构的特点提出了一种新的应变片角点检测算法来对应变片图片的角点进行提取，但是由于应变片图片的背景和前景变化不明显，角点检测效果不是很理想。
　　最后，在实际的应变片自动贴片系统中，由于应变片的种类有限，而且放置具有一定的规律，所以本文将检测到的应变片边缘作为提取到的应变片图像特征，再利用模板匹配来对应变片进行匹配识别。利用边缘特征进行模板匹配较灰度模板匹配可以有效减少匹配的搜索区域，降低匹配的算法复杂度，节省匹配时间，进而提高程序执行速度，尽量做到实时性。