随着计算机技术的发展，基于图像处理的产品表面缺陷检测技术的优势越来越明显。金属表面具有高反光和拉丝特性，所以金属工件表面缺陷的检测一直是非常困难的问题，本文将金属表面的脏污和划痕缺陷作为研究对象，通过对大量的金属图像进行分析和研究，形成了一系列基于图像处理的，对金属表面脏污和划痕区域识别和量化计算的行之有效的特定理论和算法。首先，为了能更加准确地提取金属工件表面的脏污和划痕区域，需要对金属图像进行预处理。该过程主要包括彩色图像的图像的增强，去噪等。在图像预处理过程中，通过分析目前各种常用增强算法的特点和适用范围，得出当前常用的图像增强算法无法直接运用于本文的增强处理。从而提出了一种改进的小波变换图像增强方法，能有效的识别图像中的目标区域。实验结果表明，该算法不仅具有理想的图像增强效果，还能较好地去除噪声，保留图像的细节。其次，对金属图像的分割处理，通过分析和比较目前各种常用阈值分割算法的特点和适用范围，根据金属缺陷自身的颜色特征和亮度特征，选用了适当方法进行图像分割。最后，在量化计算的过程中，先采用本文改进的形态学滤波方法对分割图像进行滤波处理，实验结果表明，该方法能在不改变图像大小的同时，有效地滤除干扰的孤立节点及边界毛刺噪声，并填补图像区域中的漏洞，然后利用简单有效地像素计数法对缺陷进行面积和长度计算。本文结合图像处理和模式识别等方面的理论知识和技术，实现对金属工件表面脏污和划痕的识别和量化计算，为建立一套完整的基于图像处理和模式识别技术的金属工件缺陷检测系统奠定基础，对于提高金属工件的生产效率，具有重要意义。