由于受到计算机技术、传感器技术、光学和数学的发展、环境场景、人为的因素等各方面的影响,有时获得的图像信息不是我们最理想的。这是由于成像设备的物理特性和图像传输时的链路特点,图像有时会对比度较差,并因不同程度的损坏而造成各种噪音或模糊不清。结合上述特点,如何从数字图像中获取更多有价值的信息,让图像切实为我们各行业服务,是图像处理领域的重要课题。数字图像的应用在医学领域和航空领域取得了巨大的成功。如今,计算机图像已经渗透到国民生产的各项活动中,每天通过各种媒体接触到的图像会给我们提供极为有价值的信息与知识。这些隐含于图像中的重要信息的获取方法引起了全世界学者们的广泛兴趣。模糊集理论提出后,显示了其在解决各种模糊性和不确定性问题强大能力。模糊集扩充了经典数学理论,形成了一个比较系统的数学分支。近五十年以来,全世界的学者在这一领域进行了各种探索和研究且取得的成果斐然,尤其是模糊理论与人工智能大数据相互结合,它的应用范围已经涉及到计算机、多媒体、自动控制、信息采集与通信等一系列高新技术行业,为推动社会进步提供了应有贡献。本文在基于模糊集理论的图像处理和控制方面展开研究,主要内容和结果如下:(1)研究了数字图像在计算机存储的的基本特征,边缘检测的定义以及每幅图像边缘生成的物理机制。提出了一种隶属度函数修正的图像增强算法。该算法首先将样本图像进行变换映射,然后根据最大模糊熵原理将目标图像划分为多个灰度层。针对不同灰度层的特性,利用修正的隶属度函数进行增强,可以有效抑制噪声,提高图像对比度,避免灰度信息丢失。在实现模糊隶属度函数准则优化的同时,尽可能多地保留图像的边缘位置和细节信息,同时确定优化参数的选取,保证增强图像的质量,提高算法的可行性和效率。从实验仿真结果可以看出,无论是从主观分析还是客观判断,实验结果都表明本文方法对图像增强是有效可行的。(2)研究了模糊集的熵测度及相关理论,利用直觉模糊集(IFS)提出了一种散度测度和熵测度的计算方法,并对其有效性进行了实验证明。对现有的熵测度公式进行了参数化整合,得到了新的散度测度和熵测度。这些参数在实际应用中具有较高的灵活性,并且参数值必须根据数据本身来确定。按照本文提出的方法对多个测试样本图像进行了测试,该方法检测出的边缘清晰平滑,并且峰值信噪比(PSNR)始终等于或大于现有的其它方法,效果良好。并将最终结果与前人的研究成果进行了比较,发现本文方法可以获得更好的结果,并且各个样本图像的检测出边缘也较为接近真实,线条较为平滑和清晰。实验表明,该方法相对于其他方法具有更好的鲁棒性和有效性。(3)研究了模糊控制及推理规则,提出了一种基于图像的模糊控制方法并用实例加以验证。在许多实际的控制系统中,受控系统需要相互协调的子系统以确保系统的正常运行。本文采用了基于图像检测模糊控制方法设计了一种模糊控制器,并进一步将控制器用于带摄像头的四轮移动机构上来实现自动物料堆放的系统,实验结果表明控制器具有一定的实用性,对基于图像处理的控制系统有很大拓展。