斜拉桥是目前国内大跨度桥梁的最主要桥型。斜拉桥是由许多直接连接到塔上的钢缆吊起桥面,斜拉桥由索塔、主梁、缆索组成。而缆索作为斜拉桥的重要组成部分,是主要的受力部位。但由于缆索长期暴露在外,受日照,雨淋等等侵蚀,使得其表面遭受侵蚀,并会引起内部钢丝的腐蚀,影响承载能力。因此对斜拉桥缆索的表面缺陷检测是非常必要的。由于斜拉桥的缆索通常都很长,距地面位置很高,人工进行检测非常危险且费力,因此很有必要设计对斜拉桥缆索表面缺陷进行自动检测的系统。斜拉桥缆索表面缺陷自动检测系统主要包括缆索爬升机器人、基于DM642的图像采集和传输系统、图像处理三部分。本文针对缆索表面图像的实际情况和特征,设计了针对缆索表面图像缺陷分割和特征提取的一系列算法。斜拉桥缆索表面缺陷复杂,且由于缆索的圆弧形状使得光照不均匀的现象加剧,设计能准确提取缺陷的算法有很大难度。缆索表面缺陷提取包括缆索边缘提取,表面缺陷分割,模式识别及特征提取三部分。缆索边缘的提取的目的是为了去除图像中的干扰背景,为之后的缆索表面缺陷的提取做准备。在分析比较了一些常规的边缘提取的算法后选用了性噪比较高的canny算法,针对缆索边缘的特征,在canny算法处理后的边缘图像中基于hough变换提取出缆索边缘,并得到图像中的缆索表面区域。缆索表面缺陷提取是本文的重点部分,由于缆索表面的复杂情况而难以选用一些常用的图像分割算法,本文分析了斜拉桥缆索表面图像的特征之后,将缆索表面的缺陷分为粗糙缺陷和光滑缺陷两大类,并分别针对这两种不同类型的缺陷设计了相应的算法。然后基于形状特征及灰度特征对缺陷情况进行分类,分别进行特征提取。最后经过试验验证,表明论文所提出的算法有比较好的适用性,实现了对斜拉桥缆索表面缺陷的提取。一些同类的图像处理也可有借鉴意义。