由于铸造工艺等影响，铁路货车铸件常包含一些铸造缺陷，如气泡、疏松、夹杂等，这些缺陷的存在会影响铸件的使用寿命，严重时甚至威胁到铁路运输的安全。无损检测技术可以很好地检测出其中的缺陷，其中DR（Digital Radiography，数字式X射线辐射成像）技术以其成像速度快等优点被用于铁路货车铸件的流水线批量检测中。然而对于得到的铸件DR图像，传统的处理方法是人工评片的方式，这将导致检测结果不够客观，且使检测成本增加，因此有必要研究计算机自动检测的方法。基于偏微分方程采用水平集方法实现的C-V模型被用于局部的铸件DR图像缺陷检测中，取得了较好的效果，然而不能进行实时整幅图像的检测。本文在图像配准的框架下实现了铸件DR图像的实时缺陷检测。　　通过图像配准技术将模板图像（不包含缺陷的DR图像）与待检测图像（可能包含缺陷）配准，本文采用SURF（Speed Up Robust Features，加速鲁棒特征）配准算法，由于其具有鲁棒性强，速度较快，旋转、平移、缩放不变等优点。针对铁路货车铸件DR图像的特点，本文对匹配点对的选取准则进行了改进：选取图像边缘附近的特征点，以增强配准的鲁棒性与加快配准的速度；由于图像存在上下或左右的对称，对匹配点对进行对称性与一一对应约束；利用特征点邻域灰度信息消除部分错匹配点对。实际铁路货车铸件DR图像实验结果表明，改进后的图像配准具有较好的实用性与鲁棒性，为后续的缺陷分割奠定了基础。　　将配准后的模板图像与待检测图像做减法，得到差影图像，缺陷信息就能从差影图像中得到体现。由于差影图像具有亮度不均、存在噪声、尺寸大等特点，本文采用分割速度快的OTSU算法进行粗分割；然后采用分割精度高、能克服亮度不均影响的RSF（Region Scalable Fitting，尺度区域拟合）模型进行准确分割；最后根据先验信息，如缺陷面积大小阈值、缺陷区域内灰度值较周围区域要大等，对分割结果进行处理，从中检测出缺陷并计算缺陷的特征，如面积、中心点坐标等。实际铁路货车铸件DR图像实验结果表明，上述方法能够较快速地检测出其中的缺陷，同时也能为其它研究奠定基础，如铸件号识别，铸件类型识别。　　最后基于MFC（Microsoft Foundation Classes，微软基础类库）与OpenCV（Open Source Computer Vision Library，开源计算机视觉库）编写二维图像处理应用软件，实现了常用的图像处理算法，如图像分割、增强、变换、形态学处理等。研究成果已应用于实际工业CT（Computed Tomography，计算机断层成像）产品研发。