为了不断提高产品质量和生产效率，金属工件表面缺陷在线自动检测技术在生产过程中显得日益重要。本论文针对金属工件表面的多种缺陷，设计了一套能够实现对金属工件表面缺陷进行实时在线、无损伤的自动检测系统。该系统采用黑白面阵CCD和多通道图像采集卡作为图像采集部分，提高了检测系统的速度并降低了对CCD的性能要求，使系统在现有的条件下比较容易实现实时在线检测；采用自动选取图像分割阈值，根据实际应用的阈值把工件信息从图像中提取出来并扫描工件在图像中的位置、尺寸信息，实现了系统的自动测量；根据扫描得到的工件信息去除掉工件边缘的光圈，利用自动选取的阈值对金属工件表面的图像进行二值化分割，从而实现各种缺陷的自动提取，为缺陷类型的识别打下基础。系统以计算机视觉理论为检测原理，在现有技术基础上，借助误差理论，以模块化为设计思想，通过了大量的实验和图像算法仿真,以现有的图像处理理论为基础，设计了适合本产品表面缺陷检测的算法，具体工作如下：1、研究图像的采集与计算机内部图像存储方法，为本系统分配计算机内存，将图像采集卡采集的两路面阵CCD数据保存到计算机内存，并去掉图像噪声为下一步图像处理做准备。2、设计了图像分割所需要的不同阈值的获取算法，利用自动选取的阈值对工件图像进行二值化分割，实现了各种缺陷的自动化提取。3、根据表面缺陷特点，对图像平滑、边缘增强、区域分割和膨胀细化等有效的处理算法进行了研究，设计了适合本系统的检测算法，并成功在Matlab6.5中进行算法仿真。4、进行软件编程，将在Matlab6.5中经过成功仿真的算法移植到VC6.0编程环境中，不断完善系统的软件部分。