注塑制品在消费电子产品中的应用越来越多，而且表面质量要求也是越来越严格。传统的注塑制品表面的缺陷靠人工辨别，此方法效率和精度都较低，对工人的健康也会带来伤害。机器视觉技术是目前在缺陷检测领域应用很广，具有全自动、高速、高稳定性的特点。由于表面光洁的注塑制品在光照的条件下会出现反光区域，特别在曲面的位置尤为严重。这使得后续的图像处理难度很大。最关键的问题就是容易将反光区域当成缺陷区域分割出来，无法判断制品的质量。另外，由于缺陷十分细小且与注塑制品的颜色对比不明显，直接阈值无法分割。针对以上两个主要问题，本文主要对表面光洁的注塑制品的常见缺陷的图像处理算法进行研究，主要开展的工作包括：1.设计机器视觉系统硬件和软件，根据实际的检测要求选择相机、镜头的参数和合适的光照方案。2.研究缺陷检测的常用、基本的图像处理方法及使用LabVIEW和Matlab混合编程的实现方式。重点是提出了使用连通区域的个数和形状作为准则的反馈式自动阈值方法。此方法在对某些特定区域进行分割时比单一的自动阈值方法的效果好。3.将同态滤波应用于缺陷检测，作为图像的后续处理的基础。使用其处理结果，结合区域生长、数学形态学、边缘检测等方法，将注塑制品的一些常见缺陷成功分割。算法对光照不敏感，解决了表面光洁注塑制品反光问题，而且能将某些与其周边像素级比较相近的缺陷完整分割。4.对缺陷使用了区域描绘、灰度平均值、不变矩三种方式对分割出的缺陷区域进行量化描述，并使用最小距离分类器对四种缺陷进行分类。