飞机发动机叶片裂纹是危害飞机飞行安全的重要因素。发动机制造厂家采用X射线检测技术对叶片裂纹进行检测，但传统的X射线检测方法存在效率低、漏检率高等不足；现有的基于图像处理的X射线检测方法也存在识别率低、检测速度慢、可靠性差等缺点。因此，本文结合现有的x射线成像检测设备，研究发动机叶片裂纹检测的自适应图像处理方法和算法。本文主要研究工作： 由于裂纹图像中的噪声对于图像的分割及后续处理有很大影响，本文采用基于边缘检测的小波去噪方法对图像进行滤波，这种方法可以针对不同图像动态地确定小波分解层次，因此可较大幅度的滤除图像中的噪声，得到较理想的滤波效果；为了避免成型板背景的影响，本文采用了基于灰度投影的定位方法，将处理的目标集中于图像中的叶片上，这样可以消除图像背景对分割效果的影响，而且运算量较小、运算速度较快；由于叶片图像中对比度较差，本文对图像进行了对比度增强处理，具体的增强方法是对低灰度区压缩，高灰度区拉伸。通过这些方法，完成裂纹图像的预处理。 对叶片裂纹提取的关键在于图像分割的效果，本文旨在寻找速度快、能自动识别叶片裂纹的分割方法，因此采用改进的大津阈值法和基于循环迭代的阈值分割法对裂纹进行提取。这两种分割方法各有优缺点，但相比较而言，大津法更适合叶片裂纹图像的分割，仿真结果的比较也证明了这一点。因为分割后的图像中存在散点噪声，这些噪声对参数提取会有很大的影响，为更好的滤除图像中的散点噪声，获得最佳的裂纹提取效果，本文分别采用了最小值滤波和基于阈值迭代两种方法完成散点噪声的去除，仿真结果证明，阈值迭代方法比最小值滤波方法更适合散点噪声的去除。 提取了裂纹的基于象素数的形态参数、灰度参数及性能参数，为裂纹的判定和评定提供了依据。 本文阐述的方法具有自适应、检测速度快、灵敏度高的特点，能完成叶片裂纹的自动检测，仿真结果证明了本方法的可行性和有效性。