随着移动通讯设备的快速增长,触摸屏作为人机交互中的重要环节,已经渗透到了人们生活的每个角落。电容屏质量的好坏直接影响到产品的市场竞争力,针对电容屏的质量检测也变得越来越重要。传统的电容屏缺陷检测主要靠人工实现,但是依靠人工检测已经很难满足目前高效的工业生产要求。本文以电容屏为研究对象,对基于机器视觉的电容屏非可视区缺陷检测与识别的方法进行研究。主要研究内容如下：首先,对常见的电容屏缺陷及检测要求进行分析,确定缺陷检测流程,检测流程可分为图像预处理、缺陷检测、缺陷分割、特征提取和缺陷识别。其次,采用将中值滤波与梯度倒数加权法相结合的方法,对图像进行滤波操作,有效抑制了噪声干扰；对滤波后的图像进行直方图增强处理,提高了图像的对比度。再次,通过建立投影变换模型并采用双线性插值法对图像进行校正,有效地解决了图像的投影失真问题；在此基础上,采用基于SIFT算法的图像匹配算法对标准图像和待测图像进行匹配,找到匹配的特征点；利用匹配特征点对图像进行差分,通过分析差分结果实现缺陷检测。然后,研究并对比了基于相位一致性和基于梯度的边缘检测算法、Otsu区域分割算法及基于Hough变换的直线检测算法等图像分割方法,并结合缺陷特点将缺陷图像从背景中分割出来。最后,研究了基于轮廓跟踪原理的特征提取方法,在此基础上对KNN分类器作了改进并实现缺陷的分类识别。对KNN分类器的改进主要包括：在相似度计算方面,根据每个特征贡献的大小采用特征加权的方法；在分类效率方面,通过K-均值聚类法对样本实例进行聚类合并,减小计算量；在判断策略方面,采用加权思想,根据距离及分布密度对k个近邻赋予不同权值进行判别。处理结果表明,图像预处理算法能够明显改善图片效果,缺陷检测能够准确的判断缺陷的存在性,图像分割算法可在尽量少损失缺陷信息的基础上将缺陷分割出来,基于KNN分类器的缺陷识别算法具有一定容错性和稳定性,识别准确率基本满足电容屏缺陷检测的要求。