计算机视觉作为一个多学科交叉领域，其研究内容和应用领域都很广泛。近年来，硬件设备价格的不断降低，计算机性能的逐步提高，为计算机视觉的研究和应用准备了很好的条件。因此，对计算机视觉的进一步研究，不但具有重要的学术意义，而且具有重要的实用价值。 计算机视觉是通过一幅或多幅图像提取、识别、解释和重建三维环境信息的过程。主要包括五个方面：视频捕获、摄像机标定、图像预处理和特征提取、立体匹配以及三维重建。本文主要围绕计算机视觉这几方面的内容展开研究。 计算机视觉直接处理的对象是对三维环境采集到的二维图像，因此视频捕捉是计算机视觉后续处理的前提。视觉系统往往有实时性的要求，但一般随视频卡附带的应用程序并不能满足实时性的要求。本文分析探讨Windows环境下视频捕捉的一般系统框架和技术，开发了一个Windows环境下的视频捕捉系统，实现了视频数据的直接内存访问，能够很好地满足视觉系统实时性的要求。 空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系是由摄像机成像的几何模型决定的。这些几何模型的参数就是摄像机参数，摄像机标定就是确定摄像机的这些参数，是计算机视觉的一个重要内容。本文对现有的摄像机标定技术进行了分类研究，针对一般的工业需求，基于一阶径向畸变的小孔摄像机模型，提出一种新的逐步分解的摄像机线性标定方法，合理分解摄像机参数，全部求解过程均采用线性算法，避免了非线性优化的不稳定性，简单实用。实验结果表明，该算法具有较好的标定精度和较快的处理速度。 利用小波变换良好的局部化特性和多分辨率特征，提出基于小波变换的图像去噪方法和边缘轮廓提取方法。噪声和信号在小波变换域中有不同的表现特性。本文提出的移位冗余平均处理的小波去噪方法，在去除噪声的同时，具有良好的保持边缘特性的能力。在利用小波变换提取边缘轮廓中，采用自适应边缘链的平均幅度阈值，有利于根据图像特征提取图像边缘。 如何准确确定两幅或多幅图像中的对应点，即立体匹配，是计算机立体视觉中的一个难点。本文提出一种双阈值的分阶段匹配方法，以图像边缘点为匹配基元，选择米字条形窗口作为相关窗口，加快了相关运算的速度，采用双阈值进行判决，可在第一层将大量可能匹配特征检测出来，减少下一层匹配的搜索空间。 最后，本文论述了作者参与开发的一个足球机器人视觉识别系统，这是一个实时的计算机视觉系统。为满足足球机器人对抗比赛的要求，视觉系统必须实时快速准确地确定机器人小车和足球的瞬时位置和运动参数。本文提出一种基于区域投影的视觉识别新算法，充分利用系统中的颜色和形状特征，可快速准确地识别全部机器人小车和小球。实验结果表明，识别位置精度误差不超过IllllllQ piXCIS人采用 Pll350的 PC，识别速度可达到每帧仅用时 2毫秒，能够很好地满足该系统的速度和精度要求。