随着经济的发展,社会的进步,人们对世界的认识需求越来越大,传统的机器视觉技术已经不能很好的为人们对三维物体的认识所用,因此,三维视觉测量技术日益成为人们研究的热点。结构光三维视觉检测技术凭着自身特有的优点,如实时性强、精度高以及速度快,在现代工业中具有广阔的前景。而在实际应用中,由于被测物体的几何形状和表面信息各式各样,同时拍摄的方式、场地、照明等情况复杂多变,使得最后获得的结构光条纹图像不能直接被后续的三维重建所利用,所以,对结构光条纹图像的处理是整个结构光视觉检测过程中的一个关键的步骤。本文在结构光条纹图像的滤波、增强以及分割这几方面进行了深入的研究,具体工作如下:(1)由于周围的环境给光照(自然光或照明灯光)造成影响,使得获得的结构光条纹图像带有常见的噪声,降低了图像的质量。本文针对传统的中值滤波器不能很好的滤除这些噪声以及运算速度较慢的问题,在此基础上深入研究了一种改进的自适应中值滤波。实验表明,该算法能够更好达到去噪的效果,并且提高了速度,这种改进的滤波算法不仅对普通图像很有效果,同样也适合于结构光图像。(2)由于光线问题而造成结构光条纹图像的亮度不均或是由于曝光不足而使得图像的细节丢失。本文基于这些问题之上深入研究了一种基于HSV颜色空间的改进的多尺度Retinex增强算法。实验证明,该方法不仅能增强亮点中的细节,也能增强阴影中的细节,还实现了颜色的保真,为后续的处理做了很好的准备。(3)经过图像滤波和图像增强处理后得到的结构光条纹图像,因为其还包含着背景信息和其他不相关的内容,对后续处理会产生干扰。本文深入研究了一种基于Sobel算子的图像快速二维最大熵阈值分割算法。该方法不仅将计算的复杂性大大的降低了,提高了效率,同时还解决了图像边缘的叠加问题。实验证明,该算法对普通图像和结构光图像同样适用。