钢坯表面缺陷是影响钢材质量成本及使用寿命的重要因素，而在目前国内外钢材的生产及检测过程中，大量采用的仍是传统的人工及离线检测方式，此检测方式不仅不利于提高生产效率，而且由于存在许多人为的不确定因素的影响，直接导致钢材的产品质量不可靠。本文应用数字图像处理和模式识别技术对钢坯表面缺陷识别算法进行了研究，建立了钢坯表面缺陷识别有效性的评价体系。首先，由于环境、拍摄手段等造成了图像存在的模糊、噪声及灰度值分布不均衡等，针对这一问题，本文对钢坯图像进行了一系列的图像预处理。通过灰度直方图对图像的灰度分布进行了分析研究，并以此为依据，对图像进行分段线性拉伸，以达到压缩钢坯裂纹图像中灰度两端区域上的噪声的目的，并对有用的细节部分进行线性拉伸，提高有用细节的对比度。然后，采用消噪声掩模法对裂纹图像进行图像平滑，既平滑噪声，又尽量保持裂纹图像的细节。中值滤波器是一种非线性滤波器，它在一定条件下，可以克服线性滤波器如最小均方滤波、平均值滤波（平滑滤波）等所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效，对于裂纹图像的滤波处理最为理想。其次，通过与多种边缘检测算子运算的结果比较，采用Sobel算子作为钢坯表面裂纹图像边缘检测的效果比较理想，检出的边缘完整、清晰，不需要进一步细化。在此基础上，对裂纹图像采用水平方向的结构元素进行图像腐蚀运算，得到了二值化的裂纹图像。再次，本文提出了提取物体轮廓特征的边界跟踪法，得到了钢坯表面图像裂纹区域的长度、宽度和面积特征。并且引进了行程编码的原理，实现了裂纹定位和识别，构建了钢坯表面缺陷识别的初始模型。最后，本文设计并开发了基于图像识别技术的钢坯表面缺陷识别的软件系统，开发工具为Microsoft Visual C++6.0，系统软件包括文件管理、图像处理、特征提取及裂纹识别和定位4个功能模块.