纹理图像分割是连接低级视觉和高级视觉的桥梁和纽带,是大多数视觉系统中最为重要的环节之一,其结果决定了高级视觉中各种应用的最终输出质量。镀锌板图像作为一种复杂的纹理图像,其表面纹理缺陷分割是质量检测系统中至关重要的环节,缺陷分割的高效性、准确性将直接影响后续的分类和识别。本文基于图像处理技术,针对镀锌板图像纹理特点,阐述了几种有效的分割算法:将基于频谱残差的分析方法应用于镀锌板表面缺陷分割,并进行了改进,探索了它在纹理图像分割中的应用。通过去除待分割图像对数频谱中的平均成分,从而忽略图像中频繁出现的纹理特征,突出那些异常的纹理区域。提出了一种基于一维最优Gabor滤波器的镀锌板表面缺陷分割算法。Gabor滤波器具有良好的空间-频率域局部特性,有效地结合了图像的空间、频率域特征。本文中首先将二维图像信号压缩为一维信号,然后设计了一种基于一维最优Gabor滤波器的缺陷分割算法模型,这种算法可以广泛地应用于镀锌板、砂纸、皮革、木材等纹理图像的表面缺陷分割。对基于最优FIR滤波器的纹理图像分割算法的分割性能进行了详细的分析;从分割效果、鲁棒性及计算复杂度三方面,对该算法与本文介绍的算法进行了详细的对比分析,并得出以下结论:■基于频谱残差的缺陷分割算法能很好地定位和分割缺陷,对缺陷的方向、光照不均等影响因素,具有很强的适应性;该算法原理简单,运算速度较快,是一种非监督的分割算法。■单通道FIR滤波器的分割效果严重地依赖于训练时使用的缺陷纹理,鲁棒性较差。多通道FIR滤波器的分割性能不随缺陷大小、方向和背景粗糙度的改变而影响分割质量,具有很强的鲁棒性。但是,在训练过程中需要大量的缺陷纹理信息支持,并且如何将各通道的信息有效地融合使分割的结果达到最优,完全靠经验。■基于一维最优Gabor滤波器的分割算法具有良好的局部特性,对各种缺陷的分割结果优于或接近多通道FIR滤波器的分割结果,具有很强的鲁棒性,并且在训练学习过程中,不需要预知任何缺陷纹理信息。