随着人们生活质量不断提升,皮革产品越来越多地进入到人们生活中。皮革划痕不仅影响了皮革产品的美观,减少皮革产品的使用寿命,还会存在一定的安全隐患,所以对皮革产品表面划痕检测意义重大。近年来机器视觉技术在各个领域被广泛应用,使得用机器代替传统的人工质量检测得到广泛的青睐。本文主要利用计算机图像处理技术对荔枝纹皮革表面的划痕进行检测。针对传统的高斯-拉普拉斯算法处理图像边缘时存在各向同性特点的问题,提出一种各向异性的高斯-拉普拉斯算法,在图像增强中能自适应地处理各个角度的边缘。首先基于传统的算子,在不同方向上取不同高斯标准差将尺度参数引入函数中,然后结合几何学,将角度参数引入带有尺度参数的算子中,最后根据每个像素点的梯度值来确定尺度参数和角度参数的值,得到各向异性的算子。仿真结果表明,各向异性的算子更符合人眼视觉特性,且在峰值信噪比、结构相似性和均方误差方面均优于各向同性的算子及其他图像预处理算法。各向异性的高斯-拉普拉斯算子对噪声的抑制效果更好,图像边缘细节保留的更多。针对当前单一的纹理分析方法处理图像无法准确提取图像纹理基元信息的问题,将多种纹理分析方法结合起来,使每种方法在纹理分析时都发挥各自的特点,最大化提取纹理基元信息从而提高检测结果的准确率。首先使用小波分解得到图像的低低频部分,将含有更多纹理信息的低低频提取出来。通过实验对比,选取用于荔枝纹皮革划痕检测的最优特征参数。然后通过选取的特征,经过实验分析,确定灰度共生矩阵的三个最优构造因子,生成相应的灰度共生矩阵。在最优参数下的灰度共生矩阵中提取相应特征,并使用支持向量机对皮革表面划痕进行检测。根据荔枝纹皮革表面纹理特性,搭建相应的机器视觉检测平台,通过对比实验,得出多种方法结合的检测精度高于小波变换法11.93%,高于灰度共生矩阵法1.33%,且兼顾实时性。结果证明将多种纹理分析方法结合应用于荔枝纹皮革表面划痕检测是有效的,最终检测精度为95.2%,单幅图像检测时间为372ms。