原理上来说一般采用：灰度直方图分析的方法。 通常目标和背景的灰度信息区别较大，在直方图中可以看到是两个波峰，图像识别的目标是找到最佳的灰度值作为阈值，阈值两遍的分别是目标和背景。 寻找阈值的方法有很多，比如分水岭法、支持向量机、粒子群算法等等。 采用灰度直方图的方法会遇到几个问题： 1目标区域包含背景颜色或是背景区域包含目标颜色。导致直接识别的结果产生杂色点或是目标轮廓残缺不全、具有空洞等情况，通常用形态学的开与闭来解决。方法是：将识别出来的区域扩大一定宽度的面积，此步骤会合并部分许多岛礁。然后在退后一定距离，保持原来区域。 2目标与背景灰度信息区别不明显，采用灰度直方图的方法会使得大量背景区域看成目标区域，需要利用其它信息加以区分。比如目标的面积大小，长宽比等。 除了基于灰度直方图的，还有基于胡矩和Zenik矩判断的方法。胡矩判断法是将目标灰度图像进行处理，得到七个量，将这七个量与模板的灰度图的七个量进行比较，如果差距比较小就认为此图就是原图。胡矩的七个量是模板的特征，具有平移、放大、缩小、旋转不变的特点。但是胡矩只能判定是否为原图，需要较好的图像配准和特征库的建立。 从实现来说，用DSP和FPGA都能实现图像识别，DSP的性能可能更加适用于图像处理，TMS6000，TMS9000系列的DSP具有高速图像处理功能。 硬件系统一般包括：CCD、图像采集卡、开发板、控制和显示终端。 希望对哥们有帮助