机器视觉中的图像处理和特征提取方法主要包括以下几种：

1. 图像滤波：图像滤波是去除图像噪声、改善图像质量的重要手段之一，可以通过平滑滤波、中值滤波、边缘增强等算法实现。
2. 图像增强：图像增强是为了突出图像中的某些特征，同时抑制其他不必要的信息，包括对比度增强、直方图均衡化、锐化等算法。
3. 边缘检测：边缘检测是提取图像中物体边缘信息的重要方法，常见的边缘检测算子有Sobel、Canny、Roberts等。
4. 形态学操作：形态学操作是用于图像处理的重要工具，可以用来进行图像的腐蚀、膨胀、开运算和闭运算等操作，能够有效地改善图像质量和特征提取效果。
5. 梯度计算：梯度计算是提取图像中物体边缘信息的重要方法，常用的算法有Sobel算子、Prewitt算子、Roberts算子等。
6. 角点检测：角点检测是提取图像中物体角点信息的重要方法，常用的算法有Harris角点检测、SIFT（尺度不变特征变换）等。
7. 特征提取：特征提取是机器视觉中的重要环节之一，常用的特征提取算法有SIFT（尺度不变特征变换）、SURF（加速稳健特征变换）、HOG（方向梯度直方图）等。

这些图像处理和特征提取方法在机器视觉中有着广泛的应用，可以根据不同的需求选择合适的方法来处理和分析图像。