随着我国经济的快速发展，家庭汽车拥有率正在逐步提高。汽车车身涂装是其外观的主要体现，干净、整洁、无瑕疵的车身涂装无疑会给车主留下良好的印象。目前，对很多车主来说，在要求汽车安全、舒适的同时，对汽车外观的要求也越来越高。国内外汽车厂商都会在汽车出厂前，对汽车车身进行全面的涂装瑕疵检测。然而，由于车身涂装瑕疵本身特点及车身外表面的复杂性，使得自动检测在该领域始终无法得到广泛应用，目前绝大多数汽车厂商都是采用人工检测的方式。人工检测存在效率低下，人工成本高等缺点，且工人的经验丰富程度、身体及心理状况、疲劳程度等均会为检测结果带来不确定性。近年来，计算机技术、图像处理技术及自动化控制技术的发展，为汽车车身涂装瑕疵自动检测提供了良好的技术支持。本课题在上海大众汽车有限公司支持下，充分分析了汽车车身表面涂装瑕疵的特征，并结合被检测对象的特点和实际应用背景，提出采用四方向低角度侧向照明方式，以实现对被检测瑕疵表面拍摄，获取清晰处理图像；利用快速傅里叶变换、高斯差分滤波及灰度变换对图像进行处理，突出瑕疵特征；最后利用改进的轮廓提取算法实现对瑕疵区域轮廓提取，实验证明该方法对瑕疵进行检测的有效率达到80%以上；另外，为进一步实现瑕疵分类，提出了基于改进局部二值模式(LBP)特征的瑕疵分类算法，通过采集大量样本，分析瑕疵的LBP特征，利用Adaboost算法进行训练得到特定的分类器，并针对灰粒、鱼眼、划痕、爆孔、异物五种典型瑕疵进行了实验。采用上海大众汽车有限公司为本课题提供的16种颜色的64个汽车涂装样本以及一个车顶实物样本进行实验，证明本文所提出算法对以上几种典型瑕疵检测分类的有效率达到91%以上，平均分类正确率达到82%以上，单张图片处理时间控制在60ms以下。