工业生产过程中，产品的表面缺陷检测一直占据着产品的质量检测的重要地位。由于原材料、制造设备和加工工艺等多方面的原因，产品表面出现的缺陷不仅影响产品的外观，而且有可能会降低产品的质量。毛片是羽毛球生产的主要原料，毛片上的毛杆的强度是羽毛球耐打强度的决定因素，而毛杆上的划痕缺陷直接影响毛杆强度的大小。毛杆上的划痕缺陷不仅会影响美观，而且会导致毛杆极易折断，从而影响耐打强度。所以毛杆的划痕缺陷是影响制造质量的一个重要因素。为此，本文以毛片为对象，利用图像处理技术实现了毛杆上划痕缺陷的自动检测，具有重要的实际意义和经济效益。　　 毛杆上划痕缺陷主要表现为划痕尺寸小、划痕部位与周围组织的灰度差不大且极易受毛杆边缘噪声的干扰。本文在毛片图像采集平台上获得信息可靠的毛片图像后，分别采取了小波变换和脊波变换的方法对毛杆划痕缺陷进行检测，主要解决了如下问题：　　 1、根据毛杆划痕的特点，得出在正光和侧光两种光照条件下进行划痕检测。选择合适相机及照明光源，在正光和侧光光照下建立划痕缺陷检测平台，获取划痕特征明显的待测图像。　　 2、对毛杆划痕的特征进行分析，为消除毛杆边缘对划痕缺陷产生干扰，选取卷积运算的方法进行图像预处理，分别采用了小波变换和脊波变换的方法来对划痕缺陷进行检测。经过变换后的图像，采用OSTU阈值进行分割，取得较好的效果，得到了适合后续处理的二值图像。　　 3、由于毛杆划痕缺陷的尺寸特点，为避免产生严重的误判，在多源图像信息融合的原理和方法上，对正光光照下的毛杆划痕缺陷图像和侧光光照下的毛杆划痕缺陷图像进行分析研究，并结合不同图像缺陷的多项特征来综合的对划痕缺陷进行判定。实验验证此方法比利用单一缺陷图像的判断效果好，进一步减少对划痕缺陷的误判。　　 4、阈值处理后的缺陷图像中划痕特征突显，总结划痕特征，提出了毛杆划痕的判定依据。通过Matlab软件实现了上述方法和算法，对毛杆表面划痕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，具有一定的实用价值。