作为解决当前能源危机的清洁能源之一,太阳能是未来能源发展的主要方向。多晶硅是太阳能电池最主要的衬底,其结晶度对光—电转换效率有着直接的影响。由于目前多晶硅电池结晶度检测中使用的人工抽样目测方法存在较多缺陷,而采用机器检测的方法可以大大提高检测速度,且可避免人工检测时因用眼疲劳的缘故导致硅片的检测结果前后不一致,因此利用机器实现结晶度自动检测便成为一个必然趋势。本文通过将灰度直方图这一频谱信息与空间梯度信息相结合,获得了图像的分割阈值,并利用梯度信息对初始边缘进行优化,提取了多晶硅电池的晶畴边缘,为晶畴区域统计奠定了技术基础。本文研究内容主要包括多晶硅图像获取、图像去噪、图像分割和初始边缘优化等。通过调整图像获取时的各种参数(包括光照、相机参数和偏振态等),以提高图像对比度,降低噪声;通过分析边缘点与噪点特征,在抑制噪声的过程中,最大限度地保留了原图中的边缘点;图像分割中,为克服光照不均对图像的影响,我们对图像进行了分块,并在每一个小块内,将灰度直方图与空间梯度信息相结合以自适应地获取分割阈值;初始边缘优化中,本文将原图中的梯度信息与初始边缘相结合,以消除伪边缘并修补丢失边缘,从而提高边缘提取的准确度。实验结果表明,本文设计的算法可以较准确地获取多晶硅图像边缘,为晶畴轮廓识别和多晶硅电池结晶度机器检测奠定了基础。