在仪表制造过程中,由于加工过程中的工艺问题等多方面的因为,导致仪表表面出现划痕、擦伤、粘连和结疤等不同类型的表面缺陷,这些缺陷不仅影响产品的外观,更严重的是降低了产品的质量。特别是自本世纪80年代以来,由于用户的需求,市场竞争的加剧和企业内部优质、高产、低耗的生产压力对仪表表面质量提出了越来越高的要求。为此,本课题结合机器视觉检测技术,提出了利用图像处理技术实现仪表表面的自动检测,具有重大的实际意义和经济效益。　　 计算机视觉与人工视觉相比较,最大优点是快速、可靠、以及可数字化。计算机视觉系统一般采用光学系统(CCD摄像机或其他图像获取设备)摄取检测图像并转化为数字信号,再采用先进的计算机硬件与软件技术运用不同的算法对数字图像信号进行处理,从中获得所需各种目标,并计算其特征值,并由此实现模式识别、坐标计算、灰度分布图等多种功能,然后再根据其结果显示图像、输出数据、发出指令、配合执行机构完成位置调整、好坏筛选及数据统计等自动化流程。所以本文采用机器视觉检测来完成对仪表表面缺陷的检测。　　 光源是机器视觉系统的重要组成部分,是机器视觉系统设计中必须重点注意的工作,所以本文首先利用光照模型对表面缺陷的影响进行仿真,从而得出最优的灯光位置、光照角度、光照强度,指导完成表面缺陷的机器视觉系统的建立。使用能增加背景与缺陷对比度的同态滤波及形态学方法进行图像的增强预处理。我们知道小波分析方法具有很好的局部化特性,它能对高频采取逐渐精细的时域或频域步长,从而可以聚焦到分析对象的任意细节。所以本文提出了利用小波分解来得到缺陷目标的形状和位置信息,利用多种方法对缺陷图像小波变换的高频信息进行处理,得出的结果仔细比较,最后选择用小波变换并结合维纳滤波的表面缺陷检测方法,结果比较理想。最后从形态特征、几何特征和灰度特征三个方面进行特征参数的提取。　　 通过Matlab7.0软件实现了上述方法和算法,对仪表表面缺陷图像进行了仿真分析和处理。研究多种方法及各项指标对结果产生的影响,并确定最终方法,取得了较好的效果。