先进制造的发展对焊接技术的智能化不断提出新的要求。传统的焊接机器人以示教与再现的方式在高强度,高精度的焊接领域代替人工。机器视觉技术被用于克服示教再现型机器人无法在线修正误差的局限性。实际焊缝图像存在多种来源的噪声,特别是预焊点的干扰。焊缝形状的多样性加大了焊缝提取算法的难度。机器视觉技术在焊缝提取中应用的困难主要在于算法的实时性,可靠性和精确性。针对以上问题,本文搭建了机器视觉系统采集焊缝图像,并对其进行相机标定。在焊缝图像预处理阶段,提出基于焊缝区域灰度分布与局部分形特征的焊缝图像分割方法提取焊缝区域,减少后续实时算法处理时间。在实时处理阶段,本文提出基于能量调整的焊缝区域增强算法,对焊缝区域图像进行预处理。其中,低频增强采用引导滤波抑制非焊缝区域的纹理噪声的同时保持焊缝边缘。高频增强根据焊缝图像小波分解特征,通过本文提出的分段线性阈值法增强垂直高频系数来增强焊缝边缘。能量调整通过自适应Gamma校正实现,防止图像灰度变化过大导致焊缝位置出现偏移。实验结果很好的平滑了图像非焊缝区域并增强了焊缝边缘,为更好的进行焊缝提取打下了基础。针对传统Canny边缘检测算法在模糊边缘与梯度阈值选取上的问题,提出结合本文预处理算法和基于梯度均值直方图斜率的高低阈值选取方法,改进传统Canny边缘检测算法。改进算法的边缘检测实验结果有较好的焊缝边缘完整度。本文提出基于邻域的边缘检测算法解决了对于焊缝边缘的漏检,误检和双边缘的问题。其中,通过三次样条法插值消除漏检问题。本文实时处理阶段算法耗时约21.7ms,满足实时性要求。焊缝曲线拟合插值实验结果验证了算法对于S型和非连续带孔直型焊缝均有可靠的焊缝提取效果,并且有很高的定位精度。