涂装产品的外观质量对产品的防护性和装饰性具有重大意义。因此,对涂装产品外观质量的在线检测是保证产品品质的重要手段。根据企业要求,课题组开发了涂装产品表面质量在线检测系统,本文以机器视觉技术为基础,对涂装产品外观缺陷的快速检测算法进行了深入研究。在表面瑕疵检测中,分析了传统算法在涂装产品表面瑕疵检测中的不足,提出了一种基于well滤波的自差影图像差异分析方法,并应用于瑕疵检测算法中。该算法可显著地突出缺陷特征,能够更加精确地检测到暗淡缺陷,从而提高检测率。在缺陷判断阶段,提出了基于开运算的缺陷筛选方法和校正因图像采集造成的缺陷尺寸失真的方法。图像快速匹配算法是在形变缺陷检测中图像全局配准和图像细粒度差异分析两阶段的基础算法,其匹配性能和效率直接决定了形变缺陷检测的质量和效率。因此,本文根据涂装产品的形状特点,提出了一种基于形状特征点的归一化互相关(SFB-NCC)匹配算法,通过将形状特征代替灰度特征、图像金字塔、窗匹配条件判断、自适应步长的列跳步和行跳步操作等方法,对匹配算法效率进行了全面的优化。实验结果表明:该算法不仅匹配精度高、适应性强,而且处理速度快,能够满足在线检测需求。在形变缺陷检测中,图像配准算法以旋转改进后的SFB-NCC匹配算法为基础,对工件图像的小幅度旋转、平移、拉伸等变形进行校准。然后进行图像的细粒度差异分析,即通过对大尺寸图像切片化处理,进行子图像间的SFB-NCC图像精确匹配,能够获得精准的差影图像,以达到检测形变缺陷的目的。