产品表面缺陷的在线检测对于很多生产过程都是产品质量控制的重要环节,采用机器视觉代替人眼进行表面缺陷检测将成为发展趋势。随着现代制造对生产效率和产品品质要求的不断提高,对表面缺陷在线检测系统的技术性能要求日益提高,因此需要研究相关的理论问题为应用奠定基础。视觉方法是表面缺陷在线视觉检测系统的核心技术,国内外已经开展了大量的研究工作并取得了一些成果,但视觉方法研究仍需要在以下几个方面进一步提高:增强算法对不同应用的适应性和鲁棒性;在研究中面向和采用在线采集的图像;解决算法计算效率与检测准确性之间的矛盾。表面缺陷检测所涉及的被检对象表面分为均质表面和纹理表面。对于均质表面缺陷检测,理想情况下表面缺陷易分割,因此基于图像分割的表面缺陷检测方法是常用有效方法;但实际应用中的复杂情况可能影响图像分割和检测的效果,因而现实条件下的图像分割等算法是对这类应用需要深入研究的关键视觉算法。对于纹理表面缺陷检测,缺陷特征与背景特征的差异难以被简单描述,背景图像特征较复杂,对不同对象的纹理表面图像能快速、准确地检测出缺陷目标的算法是需要研究的关键视觉算法。为了在图像采集受光照不均或噪声影响的条件下高效检测均质表面缺陷,本文中首先对表面缺陷分割中常用的Otsu法进行了改进。传统一维Otsu法在确定阈值时需要穷举计算图像中每个灰度值为阈值时的类间方差,本文利用一维Otsu阈值的性质,提出了一个新的快速计算一维Otsu阈值的算法,该算法搜寻出与两类类内均值的平均值的整数部分相等的阈值,从中确定一个符合Otsu准则的阈值。本文分析了用于抗噪的二维Otsu法的类间离散度测度,发现按该算法对被噪声污染图像的二维直方图进行划分时,所得两类的类内均值点容易远离主对角线,因而在抵抗噪声方面存在不足。本文提出了一种新算法,利用图像的二维信息直接建立直线截距直方图,在该一维直方图上应用Otsu准则求解最佳截距阈值,并应用该阈值和二维信息完成图像分割;与二维Otsu法相比,新算法抗噪稳健,计算复杂度低于后者的快速算法,占用内存少。在均质表面缺陷检测中,可以基于本文的改进Otsu法分割表面图像,然后通过简单计算提取表面图像的目标与背景间的对比度特征,进而对该特征实施阈值判定,整个检测过程高效。本文对纹理表面缺陷检测提出了一种基于视觉显著性分析和快速Otsu分割的方法。新方法先计算表面图像的视觉显著图,再依据显著图判定图像中是否存在表面缺陷,避免了陷入到对表面缺陷特征的直接具体分析中,同时由于不同应用中的表面缺陷一般都具有视觉显著性,故算法具有适应性。文中提出了一种视觉显著图计算模型,该模型比Itti、GBVS、DVA、AIM等其他模型计算效率更高、准确性更好。进一步地,文中还提出了一种基于视觉显著图和快速Otsu分割的表面缺陷判定方法,该方法先采用本文提出的一维Otsu快速算法对显著图进行快速分割,然后再计算分割后的背景均值,以该值为特征并通过阈值判定表面图像中是否存在缺陷,整个过程计算高效,可以满足在线检测的需要。Otsu分割和显著性分析在用于有微小缺陷的表面图像时准确性会下降,因而有必要进一步研究微小表面缺陷检测方法。本文分析了Otsu法用于分割表面图像中微小目标时性能不佳的原因。提出了一种能快速检测微小表面缺陷的方法,该方法利用图像的方差分布搜寻表面缺陷区域,并对存在表面缺陷的局部区域进行快速Otsu分割,该方法可以从背景平滑的表面图像中快速自动检测和分割出微小表面缺陷。对本文提出的各种算法,除了与其它相关算法进行比较时采用的图像数据外,文中还在线采集了手机玻璃屏、手机触摸屏、化纤布等表面图像数据用于表面缺陷检测实验,实验结果均验证了本文算法的有效性。