机器视觉相关技术在工业金属零部件的表面缺陷检测中应用愈发广泛,由于检测对象为较为复杂的金属表面,机器视觉检测结果会受到较大的影响。本文针对一般金属零件表面存在的镜面反射特性,选取金属磁性材料,应用多角度照明的光度立体方法,通过不同角度光照的影响,有效提取出金属工件表面缺陷;对于粗糙度较大,且表面纹理不光滑的金属工件如车刀,提出了基于聚类分割的自适应阈值分割方法,有效避免了刀面正常区域对缺陷检出的影响。本文的具体的研究工作如下:（1）搭建了基于视觉检测技术的硬件检测平台,完成了金属工件表面缺陷检测系统所需设备的选型工作,完成检测系统结构设计、图像采集与处理等模块设计。（2）针对金属表面特性,从金属表面缺陷检测应用出发,选取金属磁性材料小型工件进行试验分析。通过改变光照方向与角度,按一定时序获取多角度照明下的表面图像信息,并对多角度图像进行图像融合。应用改进的光度立体算法对原始图像得到金属零件表面图像的法向量图像与梯度图,能够准确分割出金属工件表面的缺陷特征部分,准确率达97%。在此基础上,应用Gabor纹理分析对分割出的缺陷部分进行缺陷特征的提取,解决了金属镜面反射引起的表面缺陷与照明角度有关造成的误检率高的问题,提高了检测的准确性和可靠性。（3）针对车刀磨损图像存在噪声干扰且纹理复杂的特点,提出了一种基于均值漂移和自适应阈值的车刀磨损图像检测方法。采用频率域滤波对原始图像的高频噪声部分进行过滤;对刀具磨损图像进行均值漂移与自适应阈值的融合算法处理进行分割,得到准确的车刀磨损区域;计算车刀主后刀面平均磨损宽度值（VB）来定量分析金属车刀表面的磨损缺陷,平均分割准确率均能达到93%以上。