随着全球经济的迅速发展、国民收入和消费水平的不断提升,近视人群比例的逐年增加,眼镜在人们的消费比重中占的越来越大。目前,国内的镜片表面瑕疵检测都是采用人工检测,人工检测不仅检测成本高而且还会导致错检、漏检等问题。针对该问题,基于机器视觉的镜片检测方法被提出。机器视觉检测最重要的步骤是镜片图像的采集。由于光学采集系统本身的图像退化及周边环境带来的噪声干扰,会对后续瑕疵提取和分类带来很大的影响,导致伪瑕疵的产生,降低检测系统的精度。因此本文根据光学系统的MTF建立了基于MTF的退化模型,分析镜片图像噪声类型,并对镜片图像去噪复原算法进行研究。为了去除镜片图像中的两种噪声,首先对于散粒噪声,针对传统自适应中值滤波存在误判噪声点、噪声点恢复不准确以及图像去噪效果较差等问题,采用了一种改进的自使用中值滤波算法,增加了对噪声点的判断条件,调整了噪声点的恢复方案。其次,对于高斯噪声,针对小波阈值去噪所引起的边缘模糊等问题,本文对小波阈值及阈值函数进行了改进。两种改进后的算法都能对图像中的噪声进行针对性的去除,保护镜片图像本身的瑕疵信息。本文采用了基于MTF的图像复原算法进行图像复原。首先将去噪后的图像由空域变换到频域,根据MTF频域下降特性进行复原,最后由频域变换到空域,得到复原后的图像。复原后的图像质量得到了提升,尤其瑕疵信息的对比度得到了明显的提升,有利于后续瑕疵信息的提取和分类。