光缆在现代通信行业中发挥着重要的作用,承载信息量大,可靠性要求高。光缆表面的质量对光缆产品的商业价值以及直接使用都有着重要的影响,越来越多的企业开始增强光缆表面质量的检测力度。传统人工检测的方法存在很多局限性,随着基于机器视觉的智能检测技术飞速发展,机器操作逐步代替人工操作。机器视觉作为一项新的发展技术在智能检测领域发挥着非常重要的作用,已经成为现代工业发展的一个重要趋势。本文采用面阵CCD彩色相机获取光缆图像并对其进行瑕疵检测处理。传统的彩色图像分割方法在彩色图像的三个分量上使用灰度图像分割算法,这种方法并不能充分利用图像的彩色信息。随着彩色图像分割理论的发展以及计算机处理能力的提高,利用聚类算法处理高维彩色图像数据已经成为了一种趋势。聚类算法可以把彩色图像像素包含的信息映射到高维特征空间,在高维特征空间中聚类使得分割结果更加合理。模糊理论对于图像的不确定性又有很好的描述能力,因此本文主要研究如何用模糊C均值聚类算法分割光缆表面瑕疵,并分析了该算法的优缺点。针对该算法对聚类中心初始化的依赖性以及对噪声的敏感性问题,对此算法提出了改进。将改进后的模糊C均值聚类算法运用于光缆表面缺陷检测系统,实验结果表明,本文的算法稳定性高,对噪声的敏感度低,对光缆表面瑕疵具有理想的分割效果。