在金属罐印刷过程中,质量检测主要依靠人工或借助仪器检测,其检测精度不能达到工业化大生产的需求。为了满足金属罐现代化生产的需求,运用机器视觉和图像处理相结合的方法对金属罐印刷缺陷进行了特征提取和分类检测,实现了机器视觉检测,以满足企业对高质量金属罐印刷产品的需求。在Visual Studio C++和OpenCV的软件环境中,利用图像处理和数据统计的方法,实现了对金属罐印刷缺陷图像的提取、分类及几何特征分析,并建立了缺陷检测的系统平台。首先,对图像进行了预处理,包括图像的灰度化和噪声去除。其次对图像进行了缺陷部分的前景分离。在前景分离中,利用Sift算法实现标准图像和待检测图像的匹配,用GrabCut算法对目标区域进行了分割。再次,运用基于灰度共生矩阵的六个纹理特征量及十个几何特征量,对金属罐印刷存在的缺陷进行了 BP神经网络的训练和分类;最后基于缺陷的几何轮廓特征对缺陷的位置和数量进行了提取。结果表明:采用中值滤波可以降低图像噪声;使用Sift算法实现了图像特征点的有效提取和匹配,通过图像差分和GrabCut分割算法实现了缺陷部分的前景分离;经过BP神经网络的训练,实现了对缺陷的分类;根据缺陷的位置和数量完成了对缺陷轮廓的标记。