目前的FPC缺陷检测主要靠人工完成，消耗了太多的人力，且难以保证检测的质量，亟需新的检测手段辅助检测。随着图像处理技术的发展，目前基于计算机视觉的检测技术已经广泛应用在精密电子制造装备的生产和检测及相关环节中。FPC与传统PCB的主要区别在于：1、FPC由于具备柔性特征，因此允许整体产生合理的变形，在检测时应更多地针对规则进行检测。2、FPC线路中，线条所占的比例并不高，更多的是类似于PCB覆铜的块状物，其同样充当了导线的作用，有必要专门为其设计检测算法。本文研究得到国家重大科技专项02专项、863计划和广州市南沙区科技与信息化局支撑，介绍了FPC缺陷检测系统中的关键图像算法的研究，主要包括如下几个方面，这几项图像处理工作基本上满足了FPC缺陷检测的需求：1、FPC缺陷检测系统中的图像拼接算法。本文运用了SIFT及SURF图像匹配算法生成特征点并进行特征点的配对，再结合FPC缺陷检测系统中相机运动轨迹的特点，对错配点进行排除，实现了图像拼接。另一方面，引入了一种基于显著性的图像匹配方法，先在待匹配图中各自找出显著性指标较高的区域，再对这些区域进行配对并求解图像变换参数，实现图像的拼接。进一步地，采用低分辨率图像进行启发，再在高分辨率图进行信息深挖，可以得到相同的效果，但是提高了算法的运行速度。实验结果表明，基于显著性检测的图像匹配方法能满足速度和精度的要求，且拼接效果受图片旋转角度的影响不大。2、Mark点的识别及图像整体变换。Mark点的识别采用了查找连通域及比较不变几何矩的方法；通过这两种方法的组合得到Mark点后，使用2个Mark点的坐标对拼接后的图像进行整体的变形。实验结果表明，Mark点的识别定位能满足速度和精度的要求，为后续缺陷检测做好准备。3、设计了一种基于混合法的检测方法，该方法涉及线条宽度检测、缺陷目标范围缩小操作及块状物的检测等。缺陷目标范围的缩小主要通过“窄连接”分割来实现；线条宽度检测通过细化及统计线条法线方向像素来实现；块状物的检测则通过检测圆弧、角点及角点角度来实现。经实验表明，所述检测方法能正确地检测缺陷，且满足速度和精度上的要求。