钢板在轧制过程中，由于生产工艺不成熟或者生产设备落后等原因，会在表面形成各种缺陷，这些缺陷会降低钢板的成材率，给钢材生产企业带来巨大的经济损失。而铸坯作为钢板生产过程中的一个重要产品，其表面质量直接影响最终钢板的表面质量，如果能及时检测出铸坯的表面缺陷，通过改进工艺和设备，可避免铸坯表面缺陷的产生和继续无用加工，节约能源，降低经济损失。本文以连铸连轧板坯板形及表面缺陷在线检测技术项目为背景，主要研究基于机器视觉的铸坯表面缺陷检测的若干关键技术。针对铸坯表面缺陷，本文设计了相关检测算法，包括图像预处理、缺陷检测和定位、特征提取和分类三个部分。其中，重点研究的是图像预处理和缺陷检测与定位。图像预处理部分，本文先比较了分段灰度变换、直接光照补偿、同态滤波、全局直方图均衡化等算法，也尝试用SMQT方法（连续均值量化）来进行图像增强，但效果一般，且算法效率较低，最后提出了一种改进的直方图均衡化算法来改善图像的严重光照不均现象。在缺陷检测环节，需要快速处理所有铸坯图像，因此需采用效率较高的算法。该环节中，本文采用基于多分辨率图像分割算法，将目标初步分割出来之后，再采用异常区域检测来进一步检测出可能有缺陷的铸坯图像。在缺陷的分割和定位阶段，对检测阶段分割出的二值化图像进行形态学滤波滤除部分伪缺陷，并通过缺陷连接与分析算法对断开的缺陷进行连接和恢复。在最后的特征提取与分类阶段，对分割出来的缺陷图像提取灰度、几何形态、投影、和纹理特征，并采用PCA（主成分分析法）进行特征降维，最后采用SVM（支持向量机）进行分类。本文采用的算法综合考虑了有效性和实时性，基本能完成在线铸坯缺陷检测的要求。