钢材是国民生产的必备原材料，但是在其轧制过程中，由于生产设备或者制造工艺等的影响，使得有些钢材存在表面缺陷，这些缺陷钢材会给国民生产带来巨大的经济损失。作为钢材生产线的一个关键环节，铸坯的生产质量将影响到后续钢材的生产质量，因此对铸坯的表面进行实时监控，及时发现缺陷是非常有必要的。本文以“铸坯表面缺陷自动检测”项目为背景，重点研究了自动检测系统的软件部分。本文设计了针对铸坯表面缺陷图像的检测算法，包括图像的预处理、快速目标检测、缺陷的分割与定位以及特征提取与分类四个部分。在图像预处理阶段，本文首先比较了直方图均衡化、灰度拉伸等几种传统的图像增强算法，也尝试用高斯曲线拟合来进行光照补偿，效果不佳，最后提出通过连续均值量化变换（SMQT）来解决铸坯图像光照不均的问题。在快速目标检测环节，要过滤掉海量的铸坯图像，快速定位有缺陷的图片。本文采取对采集到的图像进行灰度二值变换的方式，来突显有异常点的图片。在阈值的选择过程中，提出了用动态阈值法来确定阈值，在经过二值化后，异常部分就显现出来了。在缺陷的分割与定位环节，对缺陷图像的二值图像进行形态学滤波，然后进行聚类分析，定位并分割出缺陷。采用了一种不需要提前输入总类数的快速聚类算法。最后，对分割出来的ROI区域进行特征提取与分类，提取了图像中灰度、几何形状、投影、纹理四大特征，并用PCA对提取出来的特征进行降维处理，最后再使用SVM对其进行分类。本文的算法在实时性和精确性上达到了一定的平衡，基本能完成实时检测的要求。