随着现代人生活水平的不断提高,玻璃己成为人们身边常用的建筑用品和装饰品,这就意味着在人们的各项活动中会产生大量的废旧玻璃。国内一企业致力于废旧玻璃的循环再利用,而再利用的关键问题是如何把碎玻璃与杂质分离开。利用机器视觉中灰度检测作为碎玻璃与杂质分选的方法简单方便,但由于碎玻璃对光的折射会在拍摄的图片上形成斑点,从而使得单纯的灰度检测的方法准确率不够高,影响了碎玻璃作为原料而生产出的平板玻璃的质量。碎玻璃折射产生的斑点通常占整个碎玻璃的图像总面积50%以下,而杂质产生的斑点则是高达90%。为此,通过利用图像增强、边缘检测等技术手段,先提取被测物的边缘,再通过计算斑点所占图像面积比例,最后与设定置信区间比较,达到区分杂质与碎玻璃的目的,准确率高达99%以上论文将重点研究图像增强和边缘检测技术对碎玻璃的影响：图像增强技术可以用来改善因光照引起的图像模糊,而边缘检测技术则有助于杂质的判定。主要体现在以下两个方面的工作中：(1)图像增强的常见算法一般采用两个以上的模板对图像进行计算,计算量大,处理时间长,不适用于本文研究的分选系统。单尺度Retinex增强算法易于软硬件实现,能很好的实现动态范围的压缩和锐化边缘细节,是一种自适应的增强方法。实验证明单尺度Retinex增强算法能有效地改善图像质量,效果符合研究的需要。(2)边缘检测方面,LoG算子计算简单,但对噪声却很敏感,因此需要结合其他方法来改善检测效果,而数学形态学则能有效地平滑噪声且易于软硬件的实现,故论文创新的提出了LoG算子与数学形态学结合的方法,先采用形态学中的膨胀和腐蚀操作对图像进行平滑,然后再使用LoG算子检测边缘。实验证明两者结合有着很好的检测效果。论文最后介绍了系统的软件实现,并对杂质分选系统的实时性和准确性给出了全面的评估,分析了该系统存在的不足,并给出了改进的方向。