工業ccd視覺檢測系統的設計由兩局部組成：系統硬件優化設計和系統軟件優化設計。系統硬件設計觸及攝像機和鏡頭的選擇，圖像采集和傳輸等。系統軟件主要包括圖像處置技術，圖像特征辨認，圖像了解和攝像機校準技術。每個組件直接影響最終的視覺檢測結果，包括檢測系統速度，精度，穩定性，牢靠性等。在相同系統硬件設計的狀況下，軟件技術已成為進步檢測精度和檢測速度的關鍵。圖像處置技術是視覺檢測系統軟件的中心局部，包括圖像分割，邊緣檢測，亞像素定位和圖像特征提取。在其他技術中，由于三維世界中的物體經過點，線和面等幾何元素銜接，因而圖像特征提取主要包括對角點，線和曲線等幾何特征的辨認和了解。圖片。

圖像分割

圖像分割算法通常基于像素屬性的不連續性或類似性。亮度屬性是圖像的根本屬性，也是圖像分割中運用最普遍的屬性。基于圖像邊緣的圖像分割辦法是一種基于亮度不連續的辦法;閾值法和區域生長法是基于亮度類似度的典型圖像分割辦法。

2.邊緣檢測

典型的邊緣檢測辦法是微分算子辦法。后來，呈現了Canny邊緣檢測算法，小波邊緣檢測算法，基于數學形態學的辦法和SUSAN邊緣檢測辦法。

3.邊緣亞像素定位技術

由于HUECKEL在1971年運用擬合參數方程的辦法來完成圖像邊緣子像素定位，因而曾經構成了各種子像素定位辦法。基于矩量法的亞像素邊緣檢測包括灰度矩法，二階矩法，空間矩法，Zernike正交矩法和各種改良算法;基于插值的子像素算法具有多項式插值辦法和四階非線性插值辦法等;基于曲線擬合的亞像素定位算法主要包括二次曲線擬合和高斯曲線擬合辦法;和基于小波的子像素邊緣定位辦法。

4.相機校準

傳統的相機校準辦法是在特定相機模型下將具有特定外形和特定尺寸的物體作為參考物放置在相機前面，并且相機獲取物體的圖像并相應地計算相機模型參數。常用的是基于三維平面目的的相機校準辦法，基于二維自在挪動目的的相機校準辦法，以及基于徑向約束的相機校準辦法。攝像機自校準辦法不需求預先放置校準參考對象，并且僅在運動期間運用攝像機四周環境的序列圖像之間的對應關系來校準攝像機。目前，現有的自校準技術大致可分為基于主動視覺的攝像機自標定辦法，基于二次曲線的自標定辦法，以及直接求解Kruppa方程的攝像機自標定辦法。視覺檢測設備首選思銳視覺。