钢板表面质量检测系统安装在钢板生产线上,对钢板表面质量进行实时在线监控,对于指导生产、监控质量有重大意义。在钢板表面检测过程中缺陷区域分割的准确性与实时性直接影响了检测结果的效果与效率。由于硅钢表面图像具有大量的干扰纹理、油污区域与背景区域的对比度低以及彩色图像信息量大、处理起来耗时长等特点,传统分割方法并不能对其进行准确的分割。针对这些问题,本文对硅钢表面图像油污区域的分割方法进行了探究。本论文的主要研究内容及成果如下：(1)通过分析硅钢表面油污图像的特点,即纹理的干扰、低对比度等,本文提出了一种基于超像素的分割方法。该方法首先采用SLIC算法将图像分割为超像素。SLIC算法可以在硅钢表面纹理干扰下,有效的吸附与背景呈低对比度的油污区域边缘。在这个基础上,本文提出一种超像素聚合方法,通过LAB彩色空间的LABXY距离,即颜色距离与空间距离同时作为相似度参量对超像素进行度量,从而将超像素合并。该方法简单、快速,满足钢板表面质量检测系统的两大重要性,即实时性与准确性。(2)彩色图像的信息量较大,一般为同样大小的灰度图像信息的3倍,因此彩色图像载有灰度图像不具备的细节信息,有些图像处理需要这种信息才能实现。但其信息量大,处理起来耗时耗力限制了彩色图像的应用。本文提出的分割方法较为简单,为彩色图像在机器视觉中的应用提供了思路。(3)本文研究了超像素的排布规则,并基于像素的八邻域,提出了一种可以度量超像素邻域的方法,即L邻域(L为预设超像素的边长)。通过将超像素与其L邻域中相似的超像素进行合并,从而将超像素聚合出目标区域与背景区域。(4)针对不同的图像阈值不尽相同,本文研究了阈值的影响因素,发现其很大程度上是由亮度的不同而引起的。为使本文的方法具有更强的通用性,本文采用BP神经网络拟合出了自适应阈值。经试验验证,该自适应阈值对油污图像的分割效果良好。