对水果进行品质检测与分级是提高水果商品附加价值的重要途径。在水果的颜色检测和缺陷检测过程中,若获取的水果表面图像存在漏采或重复,会对后续的分级造成不利的影响。本文以苹果为研究对象,着重研究了球状水果全表面图像信息获取中的系统构建和图像拼接方法。主要研究内容如下：(1)搭建了图像获取的试验平台。包括基本的可见光机器视觉系统及能够对水果翻转进行精确控制的电旋台和步进电机控制器。(2)建立了苹果表面图像信息获取的瓣状单元模型拼合方法。根据苹果半径均值和瓣状单元数量,提取每幅苹果图像的瓣状单元,合成目标图像。对17组样本数据的238幅图像的测试表明,圆形度均值在0.875-0.942之间苹果图像的冗余信息均值为2.91%。(3)验证了SIFT算子对苹果表面图像的适应性。对112幅苹果图像的测试结果表明SIFT算子可用于几何缩放变换、亮度变换、椒盐噪声和小角度旋转变换的苹果图像的特征点检测。(4)实现了基于SIFT算子的苹果表面图像拼接。研究了利用苹果图像中心带状区域及RANSAC伪匹配点去除法和最优拼接点法的苹果表面图像拼接方法,对相隔20°的270幅图像进行了拼接试验,结果表明：该方法可有效克服苹果横向畸变对拼接的影响,去除苹果表面重复区域图像。(5)提出了基于苹果果梗侧图像的苹果旋转角度获取方法。采用基于SIFT算子的匹配特征点提取、最小覆盖圆的圆心提取和特征点的伪匹配点剔除方法,对19980幅图像检测的结果表明：算法对蛇果适应性最好,测试值与实际值相关系数为0.9846,可用于两个连续工位间的苹果旋转角度的判断。