在工业应用中,有些物体表面的字符是依靠表面的变形作为标记。这些立体字符不是通过色差成像,而是通过字符区域同背景区域对光线的反射不同成像。由于压印立体字符具有三维特征,因此很难实现照明、分割以及后续的检测识别。随着自动视觉检测技术的发展,对这些字符识别的准确性提出了更高的要求,其中的关键之一则是将其从背景图像中分割出来。在对如何利用压印立体字符的三维特征实现分割的研究中,国外有些学者提出了一些分割方法,而国内的研究大都还集中在基于二维灰度图像的分割基础上基于此问题,本文在变化方向光源的条件下,根据字符的立体特征提出了三种不同的分割方法,具体的研究工作如下：首先,针对压印立体字符在不同方向光源照射下表现出不同状态的特点,在建立光照空间模型的指导下,基于散射光源与方向光源条件下采集图像的清晰度比对,指出了单一方向光源采集三维物体表面的二维灰度图像时包含深度信息不充分的局限性,提出利用变化方向光源照射下采集到的物体表面二维灰度图像彼此间的关系提取表面法向量特征以进行后续分割的方案。经过对光源方向的优化,确定了光照偏角的分布(分别为0°、90°、180°和270°)和最佳倾角的数值(63.43°),设计了以照明光源、图像采集设备和四方向光源同步照明采集电路为核心的图像采集系统。在此基础上利用二阶多项式拟合平面消除了背景光不均匀性,采用直方图规定化的方法使图像的灰度等级一致,增强了序列图像的对比度,从而提高了法向量计算的精确性,为后续压印立体字符分割方法的研究奠定了条件和基础。接下来基于四光源光照采集系统,提出了三种不同的分割压印立体字符的方法：在基于表面纹理的分割方法中,针对压印字符表面的立体特征,首次提出了基于表面法向量的纹理特征的概念；在LBP算子的基础上引入了模糊集合的理论,提出了基于模糊化表面法向量LBP (Fuzzy-SNLBP)算子纹理特征的分割方法,并对Fuzzy-SNLBP算子中的各项参数对分割结果的影响进行了分析。通过比较实验发现：Fuzzy SNLBP比SNLBP具有更大的信息量；模糊化可有效改善SNLBP计算时的抗噪性；Fuzzy SNLBP比使用灰度值的LBP方法以及固定阈值的SNLBP方法具有更好的纹理分辨能力。在基于表面法向量和图论聚类的图像分割方法研究中,将表面三维特征引入了图论的分割方法中,构建了基于表面法向量特征的图,提出了简单可行的图论聚类的分割算法。在具体分割过程中,又将反馈控制的思想引入了图像分割系数的优化过程：将二值图像的二维信息熵作为分割质量的检测评价标准并引入反馈来调节分割系数,得到了最优的分割结果(分割系数k=64时,二值图像二维信息熵S=2.0681为最小值)；在基于PCNN和四方向光源图像融合技术的压印立体字符分割方法的研究中,提出了不需要对原始图像进行光照强度一致化处理的简单的分割方法：首先使用脉冲耦合神经网络(PCNN)提取出压印立体字符在四方向光源条件下获取的二维灰度图像中的高亮区域；然后通过图像融合的方式,得到分割完整的二值图像进行后续识别。研究中还建立了分割字符的评价标准,并以此来动态调节PCNN模型的参数,通过实验确定了最佳的分割参数。最后采用了受试者工作特征曲线(ROC)和字符的识别率,分别对三种分割算法的字符分割效果进行了评价。评价结果表明：基于四光源的图像分割技术的三种分割算法,其识别率都高于基于单独光源的图像分割方法,可见四光源的图像分割较单一光源的图像分割更具优势。三种分割方法中,基于图论聚类的分割方法识别率最高,但执行时间也最长；基于PCNN的方法识别率最低,但执行时间最短；基于纹理的分割方法执行时间和识别率居中。在实际应用中可根据需要加以选择。