随着机械工业的发展,自动焊接技术的出现,焊缝X射线检测面临着越来越多的机遇与挑战。传统的射线底片质量评级方法是由人工进行评片,对底片上的焊缝缺陷进行分析,以确定底片所反映的焊接质量等级。这种方法存在人为客观因素影响大、效率低、对底片损伤大等缺点,难以满足生产不断发展的需要。因此出现了许多替代人工评片的技术,其中利用计算机技术的智能评片是一个非常活跃的研究领域。在解决了X射线底片的数字化问题之后,图像处理技术就成为智能评片的一个重点。本文对扫描后得到的数字底片进行了图像的预处理、图像的分析、缺陷的特征参数提取以及缺陷类型的识别分类等研究工作。图像的预处理是后续图像处理的基础。本文在分析图像的噪声模型后给出了有效的自适应中值滤除方法。针对X射线底片对比度低、边缘模糊等特点,采用高频加强滤波方法对X射线底片数字图像进行边缘锐化增强,这种方法在一定程度上还拉开了图像的灰度分布。图像的边缘提取是解决缺陷标记的有效方法,文章分析了几种边缘提取方法的原理,提出了一种基于形态学梯度的X射线底片数字图像边缘检测方法,通过实验对比,证明这种方法运用在X射线底片数字图像中具有很好的效果。缺陷特征参数的选择和提取是缺陷分类的前提,直接影响着分类结果,通过对缺陷特点的分析,选择了一组能够准确反映缺陷本质特征的特征参数,并给出了各自的计算方法。在缺陷分类的解决方案上,采用具有自组织、自适应的BP神经网络算法对X射线底片反映的焊缝缺陷进行智能识别。本文所提出的X射线底片焊缝缺陷智能识别解决方案经过了仿真和部分实验,获得了比较理想的效果。