随着社会经济不断发展,现代化高层建筑不断涌现,电梯作为高层建筑不可或缺的运输工具,保有量与增长速度也随之剧增。虽然电梯技术日益成熟,但是近年来因电梯事故造成的伤人事件屡见不鲜,其中电梯门区域事故所占比例超过八成,反映出传统电梯门安全检测技术存在一定的缺陷。为弥补传统电梯门安全检测方式如光幕与安全触板灵敏度不足、存在检测盲区、不具备预判性等方面的不足,进一步提高电梯门安全检测的可靠性与准确性,开展了基于图像处理技术的电梯门安全检测技术的研究。首先围绕准确提取电梯门感兴趣区域(Region Of Interest,ROI)展开研究,针对传统Otsu法对灰度直方图呈单峰或近似单峰的二值化效果不佳的不足,以及各种改进的Otsu法对电梯门图像二值化不理想的现状,结合电梯门灰度直方图的特征,在传统Otsu法的基础上提出了一种基于波谷混合加权因子的Otsu改进方法。改进的方法在二值化图像的过程中同时考虑了目标区域的图像熵与阈值邻域的频率信息大小,使得Otsu法的最佳阈值处于灰度直方图的波谷附近且分割出的目标区域更接近电梯门ROI,同时结合电梯门像素灰度值与分布特征,通过推理证明缩小了算法的遍历范围,提高了算法的运行效率。改进的算法相比于传统Otsu法和其他强调波谷和波谷邻域的算法在电梯门图像的分割结果中,目标区域图像熵减小了0.08至0.68,运算效率在同等仿真环境下较其他强调波谷与波谷邻域的算法提高了2至6倍。最后在二值化后的图像中利用连通区域标记法与最小外接距的方法,准确地提取了电梯门ROI。为进一步在提取出的ROI中实现障碍物检测、电梯门异常识别等功能,需要对电梯门边缘进行检测,并提取出最有效的判定边缘。提出了一种基于改进Canny算子的电梯门边缘检测算法,算法利用基于邻域亮度相似度改进的双边滤波器平滑去噪;利用改进的八方向一阶5×5梯度模板计算梯度幅值,规定了新的非最大抑制规则细化边缘,利用基于梯度方向的梯度增强方法对图像梯度增强,最后利用Otsu法自适应地选取高低阈值。改进算法相比其他改进算法保留了更多边缘信息,梯度幅值计算更精确且大幅提高了抗噪性,选取阈值时结合了电梯门边缘梯度方向特征,使得阈值选取更合理。实验结果与数据表明,本文改进的算法在电梯门图像边缘检测的结果中都优于其他改进的Canny算子,同时边缘的连通性提高了57%-71%。最后设定判定规则,利用无障碍物时的判定边缘与存在障碍物时的判定边缘之间中心距离与中心位置关系准确地识别出障碍物与其位置。