扁平足是由于足部生理结构发生变化,致使足弓消失或塌陷所造成的。正常的足弓不仅保证了足在负重支撑时具有弹性,同时可缓冲地面的冲击力以及减轻行走、跑步、跳跃对大脑形成的震荡。而长时间站立、跳跃或者跑动使扁平足患者的颈、背、腰等部位容易产生疲乏和酸痛,及早进行检查确定足部类型十分必要。因此,对于扁平足检测的研究意义重大。本文以传统扁平足检测方法为研究背景,重点利用数字图像处理手段实现扁平足的检测算法,论文主要研究内容包括以下几个部分:(1)首先介绍了扁平足产生的原因以及传统检测扁平足的方法,并分析各种检测方法的优劣;然后对常用的扁平足评价体系进行介绍同时分析了足弓系数评价体系较其它评价体系的优势;最后介绍了足印图像获取装置,该装置简易方便,成本低廉。(2)根据获取的足印图像分析其特点并对图像进行了图像预处理,有利于提取有效足印特征。针对传统k均值算法的不足,对其进行优化:利用稳定性方法确定了k值;利用足印图像的分布特点确定了初始质心;提高了算法的运行效率。最后基于优化k均值算法实现了全足印的稳定提取。(3)重点深入研究了均值移位(MeanShift)算法,实现了均值移位分割,完成了彩色足印图像重压区域的提取。该算法利用足印的颜色特征进行聚类从而实现目标部分与背景部分的分割,分割的质量比较好。(4)针对均值移位分割算法运行时间较长的不足,本文首先对全足图像进行均值移位不连续性滤波,然后将图像灰度化,再把双阈值法和Otsu算法相结合完成了对伪彩色足印图像中重压区域的初步提取。该方法的分割效果与mean shift算法相当,但运行时长明显减少,即算法效率明显提高。(5)利用数学形态学操作完成重压区域的最终提取并计算出目标区域的面积,然后利用足弓系数(Arch Index)对选取的多组样本进行扁平足检测。实验结果表明:本课题提出的扁平足检测方法的适用率约为94%。相比传统的扁平足检测方法,该方法能快速有效地完成扁平足的检测,在保证识别率的同时实现了扁平足检测的自动化和低成本化。最后结合足印采集装置和本文提出的算法,设计了扁平足检测系统软件。