透镜表面疵病的存在严重影响着精密光学元器件的性能，快速准确的检测出透镜表面的疵病是保证透镜生产质量的关键。融图像处理、模式识别及计算机技术为一体的机器视觉检测技术可以实现对透镜表面疵病的高效检测，有着广泛的应用前景。本文以透镜表面的划痕、脏污及麻点等疵病为研究对象，对基于图像识别的机器视觉检测关键技术进行深入的分析学习，研究了基于图像识别的透镜表面疵病提取和量化的处理方案。首先，为了能够准确地对透镜表面的划痕、脏污及麻点进行分割提取，对获得的透镜图像首先进行增强处理，该过程主要包括对比度増强和图像的去噪。针对传统去噪方法破坏图像边缘的不足，改进了一种滤波算法，该方法对处于图像不同区域的噪声像素进行判别分类，根据所属区域的不同采用相应的窗口模板进行处理，去除噪声的同时有效保护了透镜图像边缘和疵病的细节信息。其次，对常用的基于区域、边缘及阈值的图像分割算法进行分析研究，结合透镜疵病的特点，对传统的二维大津阈值分割算法判决阈值的生成方法进行了改进，很好的实现了对透镜疵病的分割。然后，采用基于几何特征的圆区域检测算法，去除透镜边框对疵病大小计算的干扰。对常用的几种连通区域面积计算方法进行分析对比基础之上，针对传统疵病面积计算方法不适应于小目标区域的计算以及不易编程实现的不足，改进了一种基于数学形态学的像素扫描标号的小目标连通区域面积计算方法，并对该算法的性能进行了分析，实验结果表明该算法在处理效果和时间上均能很好的满足要求。最后，对人工神经网络进行了介绍，采用BP神经网络分类器，实现了对划痕、麻点的分类识别。本文主要对透镜表面的划痕、脏污及麻点等疵病的分割提取和面积计算过程进行了研究，研究成果对利用图像处理技术检测透镜表面质量具有一定的指导意义。