螺纹广泛应用于机械、汽车、交通等各大行业中，是重要的连接、传动及紧固组件。螺纹表面缺陷直接影响螺纹的性能，导致各种安全隐患。对于表面有缺陷的螺纹，必须及时予以剔除，避免造成无法预料的后果。国内对于螺纹的表面缺陷检测还停留在人工目视检测阶段，不仅耗费大量的人力，而且容易出现误检和漏检，极大地限制了生产效率和产品质量的提高。因此，开展此项课题的研究有重大的工程实用价值和社会效益。在综合考察和研究分析了国内外螺纹表面缺陷检测方法的基础上，本文选定基于图像处理的机器视觉检测方法作为本课题的研究方法。首先，在深入学习机器视觉的基础上，确定了工业相机、光学镜头的选型及光源和照明方式，搭建了螺纹表面图像采集实验平台；其次，对表面缺陷检测中的经典算法(离散傅里叶变换、离散余弦变换、离散小波变换、主成分分析)进行了对比研究，研究发现除了基于离散小波变换的图像增强方法无法检测出与螺纹纹理方向平行的缺陷，其他三种方法均能检测出各种缺陷。由于基于离散余弦变换的图像增强方法的计算只涉及实数，其计算速度比其他三种方法快，所以在本文的螺纹缺陷检测中将采用基于离散余弦变换的图像增强方法；最后，完成了基于图像处理的螺纹表面缺陷检测算法流程的设计与实现。利用离散余弦变换法实现缺陷图像增强，利用统计过程控制二值化分割方法实现缺陷分割，在分割的后处理中，利用数学形态学中的八邻域区域标记法抑制小面积区域，去除二值化图像中的噪声，得到最终的缺陷检测结果。为了实现检测算法中参数的全自动确定，文中给出了图像增强中高功率阈值k1的自动选取方法和图像分割中控制因子k2的取值。实验表明，本文提出的基于图像处理的螺纹表面缺陷检测算法效果较好，能有效地分割出螺纹牙顶和牙底的缺陷，实现了检测螺纹表面缺陷的目的。本文的缺陷分割结果保存了缺陷的形状，可以作为进一步进行螺纹表面缺陷种类识别的特征依据，为实现螺纹质量的自动化管理提供了重要依据。