基于机器视觉的色选系统是一种智能化的筛选设备，一般涉及到光学成像、图像处理和电信号控制等方面。目前，色选系统中的图像信号处理过程多应用计算机作为控制核心，存在体积大、筛选效率低等弊端。如今，嵌入式技术的跨越式发展为色选系统提供了新的思路和方法，而黑白色选设备以其结构简单、性价比高等优势得到了广泛的应用。因此本文研究基于机器视觉的嵌入式黑白色选系统，以FPGA为控制核心，具有实时性好、可靠性高的特点，在工农业等领域具有广阔的应用前景。　　本文以黑白线阵CCD相机为传感元件，以Xilinx公司的Spartan-3E系列的XC3S500E芯片为处理核心，设计并制作FPGA主控电路板和输出驱动电路板。利用FPGA的 IP核技术在其内部建立双口RAM，实现物料信息的读取和存储的分离控制。由于光照不均现象会给测量结果带来偏差，因此采用VHDL硬件描述语言编程实现视觉数据补正功能，对像素灰度值进行非线性补偿，再编程实现比较判断以及延时输出驱动信号等功能。驱动电路通过对气阀的开通与关断进行控制，实现对残次品的剔除。　　以稻米检测为研究对象，应用MATLAB仿真工具对多种图像处理算法进行研究，并对其进行改进，使其适用于FPGA色选设备，主要包括：采用不同的滤波算法对图像进行去噪，并对处理结果应用边缘检测算子进行对比分析，最终选取并改进了中值滤波算法。采用图像分割算法得到二值化的稻米图像，再采用改进的形态学处理算法，去除图像中的小噪声及瑕疵点，平滑物体的轮廓。采用图像连通区域标记算法，对稻米图像中的各个籽粒进行有效识别。同时对稻米外观检测算法进行研究，通过轮廓跟踪获取稻米籽粒的边界轮廓，再求取最小外接矩形计算出籽粒的长短轴，从而得到粒型信息。通过设置合适的灰度阈值，实现对异色米的检测。　　分析不同图像处理算法的硬件实现的特点，将图像处理算法移植到嵌入式黑白色选系统上。采用VHDL硬件描述语言，在Xilinx公司的ISE13.4开发工具下编写改进的中值滤波优化算法、图像二值化算法、形态学处理算法和连通区域标记算法，并测试每个算法的处理效果和运行时间，最后实现稻米的粒型参数和异色米的检测。