随着我国商品零售业的高速发展和日常需求的增加，超市、商场的数量和规模与日俱增，对人们的生活越来越重要，利用计算机图像处理的方法代替人力进行超市商品的销售、统计和版面管理能够大幅节约成本并提升效率。　　针对实际采集的商场货架奶品图像陈列样式复杂，商品数量较多，图像清晰度较差的情况等现象，直接对商品进行识别效率较低且误差大，正确分割货架奶品图像，获取奶盒样本对于奶品图像的准确识别和统计至关重要。因此，利用货架图像特征稳定、奶品集中摆放等特点，论文将分割分为货架分层和单品分割两个过程，以完成不同类别图像的分割工作。论文的主要工作如下：　　货架奶品图像预处理。预处理主要包括尺度缩放、滤波、灰度变换、边缘检测等，论文选择合适的边缘检测算子并对边缘二值图像做腐蚀膨胀，以突出水平方向的货架直线信息来辅助货架层的直线检测；通过分析货架图像在多种颜色空间下的表现选择合适的颜色空间完成图像投影和聚类。　　结合Hough变换直线检测和颜色空间投影的货架分层。对于手机拍摄的货架图像，Hough变换检测直线快速、稳定但是对干扰直线的检测存在偏差，颜色投影定位货架区域准确但效率不高。针对两种方法的不足，论文综合考虑图像的直线形状和颜色特征，以改善分割效果。将Hough变换检测边缘图像得到的短线段分组筛选，用各组的筛选直线表示货架层边沿直线，实现货架层粗定位；在多种颜色空间中对图像水平投影并构造离散点曲线，多次搜索曲线局部极值点得到图像分割位置；用投影结果辅助货架层定位，准确得到图像所有水平分割位置；沿分割直线切割得到单层货架图像并利用仿射变换进行校正，完成货架奶品图像分层。受到图像清晰度和处理速度的限制，基于两级定位的分层方法消耗时间较少，而且基本满足实验要求。　　基于K-means聚类和模板匹配实现单层图像分割。针对单层货架中同类商品集中摆放而且不同商品颜色差异明显，论文使用K-means方法对图像聚类，得到多种随机颜色的聚类结果，分别求取各聚类结果的分割位置完成单层货架聚类；在聚类后的单类图像中选择合适的矩形区域作为匹配模板，并在待分割区域移动模板进行搜索，通过计算匹配区域与模板的相似度确定单类图像中奶品的数量；对图像做竖直方向的边缘检测，确定奶盒边界以完成单个奶盒的切割。最后在对奶品类别非常接近和奶盒错放等复杂问题的分割上，论文结合了颜色特征和匹配结果进行了分割。最终得到各单层货架中单类奶品的统计数量和奶盒单品的分割图像，完成货架奶品图像的分割工作。