冷轧带钢是钢铁工业的主要产品之一，它是汽车、家电、造船、航空航天等行业的重要原材料，其表面质量直接影响最终产品的质量和性能。如何在生产过程中在线检测带钢的表面缺陷，获取缺陷的信息，从而控制和提高带钢产品的表面质量一直是钢铁企业非常关注的内容。 本文基于CCD进行带钢表面缺陷实时检测研究。以差影法为理论基础提出了一种从序列图像提取标准图像的方法，及标准图的自适应更新方法；在进行图像缺陷检测时，利用小区域内缺陷显著的特点，将差影后的图像分割成小区域检测。经实验分析后，得出了判断条件，用以判断图像是否存在缺陷。实验证明该方法能够满足缺陷检测要求。 本文对冷轧带钢图像进行了图像预处理实验，并对各种实验结果进行了分析研究。在此基础上，改进了均值滤波法，并使其与中值滤波法相结合，提出了带钢图像的预处理方法。实验证明，使用该方法对带钢图像进行预处理，能较好的抑制噪声对图像的影响并为图像的分割奠定了基础。 在对冷轧带钢图像进行分割方法的分析和研究后，分别对自适应分割法和Sobel算子进行了改进。并基于边缘检测与区域分割结合的思想，提出了适合带钢的图像自动分割方法。使用该方法对抬头纹、夹杂、焊缝、孔洞、边缘锯齿等典型缺陷进行了分割实验，正确率达97.8％。以图像分割为前提，本文将图像的连通性运用于图像的聚类，并对缺陷图像进行聚类分析。在此基础上又提出一套冷轧带钢缺陷定位算法。 本文全部研究工作是基于自行开发的带钢图像实时采集与检测软件完成的，为进一步实现带钢表面质量在线检测研究奠定了坚实的基础。