木质板材的表面缺陷检测分类是木材缺陷检测分类中一个非常重要的课题。基于机器视觉的木材表面缺陷在线检测技术,其设备成本低,受环境影响少,对木材的多样性适应能力强,鲁棒性和准确性都非常高,适合木材的柔性加工系统。正因为这些优点,近年来,将机器视觉应用在木材表面缺陷检测的研究越来越多。本文探索了三种木材表面缺陷(如虫眼、活节和死节)的图像预处理和图像分割算法。主要研究工作和内容如下:木材表面缺陷的图像分析与判断。通过分析木材图像的灰度直方图曲线,观察灰度直方图曲线是否存在明显的波峰变化。一般来说,缺陷图像的直方图会出现两个波峰,且主、次波峰高度差异大。若存在这种主、次波峰的变化,则判定该木材图像存在表面缺陷。若直方图曲线只有一个波峰,则可能是正常的木材图像。在判定存在表面缺陷后,根据采集的木材表面图像的特点,对图像进行锐化增强、消除噪声等处理。我们采用中值滤波对图像进行去噪处理,因去噪后使得图像边界变得模糊,需再用梯度法增强图像的边界信息。对预处理后的图像进行分割。采用基于遗传算法的最大类间方差法进行图像分割,该算法通过模拟生物进化过程来建立寻找最优解的系统模型。因分割后的缺陷图像还有许多独立的无关的干扰信息,影响缺陷图像边缘的提取,需对分割后的图像进行数学形态学后处理。再采用数学形态学开运算的方法,通过腐蚀和膨胀去掉分割后图像中细小的连接,如图像中孤立的点、毛刺及凸出的部分,割断细长的连接从而分割出感兴趣的区域。通过实验,比较了Otsu方法的最佳全局阈值处理算法、区域生长算法与基于遗传算法的最大类间方差算法各自特点。对分割后的木材表面缺陷图像进行边缘提取,采用Canny算子提取分割后缺陷图像的边缘信息。Canny算子定位性能好,不会漏检真实的边缘。通过实验验证了算法的可行性。结果表明,通过遗传算法和数学形态学算法分割图像,使得木材缺陷轮廓平滑清晰、连贯。算法为识别提供了基础。