随着能源问题的日益严峻,水力发电作为一种清洁可再生的能源越发地受到重视。压力钢管作为水电站的重要组成部分,在电站正常运行维护期,特别是投产的初期和经过多年的运行后,都需要进行全面的安全检测,以消除各种问题隐患。及时检测并识别缺陷对提高水电站安全具有重要意义。近年来,随着图像检测技术的快速发展,视觉检测技术也得到了长足发展。视觉检测是机器视觉技术、通信技术、嵌入式技术、图像处理技术、计算机技术等多学科交叉领域的研究。本课题以大型引水压力钢管的缺陷检测为背景,对大型引水压力钢管的常见缺陷进行分析,研究并设计了一种缺陷检测算法。本文对目前常用的去除图片光照不均影响的方法进行了详细的分析和研究,针对现存的方法在去除光照不均影响时亮度背景有突变、缺陷细节受损失等缺点,提出了基于平均模板的线性滤波方法和基于小波变换的方法对缺陷图片进行预处理。仿真实验表明,该算法较好的去除了光照不均影响,增强了缺陷细节。分析了常用的图像分割算法,根据大型引水压力钢管缺陷图片的特征提出选择直方图双峰的阈值分割算法作为本文所用的图像分割方法。利用形态学滤波技术对分割后的图片进行了降噪处理,选择最小外接矩形拟合作为特征提取的手段,提取了缺陷特征,并利用K-means算法对特征进行分类,有效地从图片中提取了缺陷区域。最后,对本文的部分算法进行了基于硬件平台SEED-DVS6446上的实现,实验结果表明能准确的检测并标识缺陷,达到了预期目标。