自改革开放以来,实体经济高速发展,并取得质的飞跃,实体经济中建筑行业的发展最为突出,高层建筑屡见不鲜,在建筑中墙体是建筑的保护层,不但起到美观的作用,还保护了墙内钢筋与其他材料不被侵蚀。在实际工程施工中,建筑墙体裂缝的出现,对于结构的安全性、建筑能耗的损耗、室内环境温湿度及建筑的寿命都有着很大的影响,所以建筑墙体裂缝的检测至关重要。过往来看,由于检测技术的不发达,建筑墙体的裂缝检测以人工检测为主,这个过程难免会造成检测精度不佳,危险性较高,且不能满足现代建筑的实际需求。如今计算机视觉技术突飞猛进,探索一个智能化建筑物外表面裂缝的检测方法是当前时代的必然要求。主要通过数字图像处理技术实现裂缝图像的检测及特征信息提取,并且优化检测技术,再通过无人机技术采集建筑墙体的裂缝,处理裂缝图像并形成裂缝特征信息的数据库。本文完成的主要工作如下:首先,分析建筑墙体裂缝的特点与建筑墙体裂缝中常见的裂缝类型与裂缝形成的原因,根据裂缝的特点进而分析了建筑墙体裂缝图像的图像特征及裂缝形态与走向。对图像处理技术的预处理阶段进行适应性分析,找到适应于建筑墙体裂缝的处理方法。然后,分析建筑墙体裂缝图像传统边缘检测算子的适应性,并引入Otsu法改进传统的Canny边缘检测算子。实验表明,改进的算子较传统算子检测速度提升可达17%,具有更准确快速的特性。然后运用形态学的研究,提取质量更高的裂缝目标区域并对裂缝图像进行筛选,判断是否为真裂缝。对裂缝的特征信息测量方法进行适应性分析,并通过实验验证,裂缝宽度测量相对误差基本在3%,裂缝的长度与面积测量,裂缝的相对误差可控制在10%,证明了该裂缝图像特征信息提取技术的可行性。最后,应用无人机技术采集建筑墙体裂缝图像,构建了无人机采集建筑裂缝图像的平台,采集数百张建筑墙体的裂缝图像并拼接裂缝图像分析得出墙体外表面裂缝所占比例达到3.4%,需要定期检查建筑墙体外表面,基于Python语言通过Open CV函数库与Py Qt5环境下开发了建筑墙体裂缝检测的软件,提供了良好的操作界面,实现了裂缝图像的检测的功能,并设计数据库模块实现裂缝特征信息管理的功能,为建筑的安全性评估提供有力的支撑。