近年来,图像处理技术在缺陷检测、工件尺寸测量、产品辅助装配等工业领域得到广泛的应用。图像增强和图像分割是图像处理的核心环节,也是学术界研究的热点。因此,本文提出一种改进的花朵授粉算法并应用到工业图像增强和分割领域。首先,针对基本花朵授粉算法收敛速度慢等问题,本文提出一种改进的花朵授粉优化算法。首先引入线性权重,使算法的局部搜索能力逐渐增强。其次,提出一种优质解随机游走策略,进一步提高花朵授粉优化算法的搜索能力。最后,将该改进型花朵授粉算法用于函数优化并与遗传算法、引力粒子群算法和基本的花朵授粉算法进行对比,仿真实验结果表明,本文所提出的算法在收敛精度和收敛速度方面均优于其它算法。其次,将改进花朵授粉算法应用于工业图像增强。利用其算法的优秀搜索能力,寻找最优变换参数,再进行图像的增强。通过与其它三种算法进行对比,证明了改进花朵授粉算法的工业图像增强方法的有效性。最后,将本文提出的改进花朵授粉算法运用到工业图像的分割过程中。选择最大类间方法(Otsu)和最大熵法(Kapur’s entropy)作为适应度函数。实验结果表明:基于改进花朵授粉算法的工业图像分割方法,具有较高的分割精度和鲁棒性。