在许多行业中,尤其是那些涉及到人生命安全的地方,总会存在对某些对象进行检测的必要。由此衍生出各种各样的适合于各个行业的检测技术。起初研究的大多数是对某些金属零件表面缺陷检测,这些表面平整并容易用肉眼进行观察,由此也得到了多种检测方法。这里通过与汽车制动主缸缸体主孔检测项目相结合,系统研究了基于机器视觉和数字图像处理技术的零件表面缺陷检测方法。近些年,对这种方法的研究很多,推进了其在各个领域的应用。该方法将采集的被测零件表面图像作为桥梁,通过对采集的图像进行相应的处理来达到检测目的,这种检测技术有着其他方法不具备的一些优点,如在线实时、精度较高、抗干扰能力强等,因此,很有学习和深入研究的必要。本论文的研究内容主要基于以下完成的几项工作:首先,文章阐述了课题研究的背景和意义,介绍了零件表面缺陷的多种检测方法,系统总结了国内外在数字图像缺陷检测技术的研究成果和现状。其次,详细介绍了图像采集实验中的各个仪器设备,提出了一种图像采集方法。在图像采集实验时,遇到了各种技术难点,零件的移动速度控制,相机焦点位置确定,采集窗口大小的选择等,文中给出了相应的解决方法。第三,介绍并对比了多种图像预处理方法,主要有直方图均衡化、中值滤波、均值滤波、小波变换,选取了处理图像效果最好的一种方法;用经典微分算子法对采集的图像进行边缘提取,并比较它们各自处理图像中边缘的完整程度和连续性,最终确定选取最具优势的Canny算子进行边缘检测。第四,阐述了数学形态学在图像处理中的应用,并运用一些合适的数学形态学算法对提取的图像边缘进行边缘优化,提出了一种以间断点为对象进行逐点边缘连接的方法。最后,依据处理后的图像进行缺陷特征提取,给出缺陷特征的判断标准,计算缺陷的周长和面积,再依据周长和面积得到其圆形度,根据这些所得参数对缺陷进行定量分析,以此来完成对零件表面缺陷的检测。实验和处理结果表明,该方法能快速检测出零件是否存在缺陷,并能根据处理结果判断出缺陷的具体特征和所在零件表面的位置,可以满足检测要求。