划痕检测是工业生产中经常遇到的问题，在工业中许多设备的零部件都是在高温、高压的环境中工作的，所受载荷复杂，使用环境恶劣，故障率高，造成的后果也非常严重，因此，对相关部件的缺陷、疲劳裂纹的产生、扩展进行视觉检测就显得尤为重要。

    机器视觉划痕检测的基本分析过程分为两步：首先，确定检测产品表面是否有划痕，其次，在确定被分析图像上存在划痕之后，对划痕进行提取。

划痕通常可分为三大类：

    *类划痕，从外观上较易辨认，同时灰度变化跟周围区域对比也比较明显。可以选择较小的阈值精缺陷部分直接标记。

    *类图像缺陷标记 
 

    第二类划痕，部分灰度值变化并不明显，整幅图像灰度比较平均，划痕面积也比较小，只有几个像素点，灰度也只比周围图像稍低，很难分辨。可以对原图像进行均值滤波，得到较平滑的图像，并与原图像相减，当其差的值大于阈值时就将其置为目标，并对所有的目标进行标记，计算其面积，将面积过小的目标去掉，剩下的就标记为划痕。

    第二类图像缺陷标记
 

    第三类划痕，各部分灰度差异较大，形状通常呈长条形，如果在一幅图像上采取固定阈值分割，则标记的缺陷部分会小于实际部分。由于这类图像的划痕狭长，单纯依靠灰度检测会将缺陷延伸部分漏掉。对于这类图像，根据其特点选择双阈值和缺陷形状特征相结合的方法。  

    第三类图像缺陷标记 
 

    中国机器视觉商城销售工业视觉字符识别系统、自动视觉检测包装机、印刷质量检测设备、手机按键检测设备、缺陷检测设备、平整度检测设备等机器视觉自动化检测设备。

    由于在工业检测中图像的多样性，对于每一种图像，都要经过分析综合考虑各种手段来进行处理达到效果。一般来说，划痕部分的灰度值和周围正常部分相比要暗，也就是划痕部分灰度值偏小；而且，大多都是在光滑表面，所以整幅图的灰度变化总体来说非常均匀，缺乏纹理特征。因此，划痕的检测一般使用基于统计的灰度特征或者阈值分割的方法将划痕部分标出。