工业产品加工生产过程中,在原材料生产或后续的加工过程中由于工艺及操作不当等诸多原因,产品的表面会产生不平、划痕等缺陷,这些缺陷不仅影响产品的外观,还会给产品的质量带来问题。产品表面缺陷的检测越来越受到生产厂家的重视。我国是羽毛球的生产大国,生产羽毛球的主要原料是羽毛片,羽毛片上的缺陷将直接影响羽毛球的外观和质量。其中,羽毛球的耐打性是衡量羽毛球品质的关键因素之一,而羽毛片中羽毛杆上的划痕缺陷是影响羽毛球耐打性的重要因素。目前对羽毛杆上划痕缺陷的检测主要靠人工。为此,本文以提杆后的羽毛杆图像为对象,利用图像处理技术实现对羽毛杆上划痕缺陷的自动检测,具有重要的实际意义和经济效益。本文以羽毛片图像自动采集平台为基础,研究了采集羽毛片图像时的光照情况和羽毛杆的光照数学模型,并研究了针对羽毛杆光照不均的图像增强方法和基于小波—同态滤波羽毛杆图像增强的羽毛杆划痕检测方法。主要的研究成果和创新点归纳如下：1、对采集羽毛正光图像和侧光图像时的光场进行了分析,研究了羽毛杆正光图像和侧光图像的亮度曲线,建立了羽毛杆正光图像和侧光图像的数学光照模型,并根据所建立的光照模型,提出了羽毛杆正光、侧光图像的亮度补偿方法和公式。2、总结分析了常用的光照不均匀图像增强方法,并将常用的光照不均匀图像增强方法用于增强羽毛杆图像,比较分析了常用方法的增强效果；提出了适用于羽毛杆的小波—同态滤波增强方法,并取得了较好的增强效果,得到了亮度均匀,动态范围小的羽毛杆图像。3、对增强后的羽毛杆的灰度值进行了统计学上的分析,提出了基于统计学的羽毛杆划痕检测方法；采用改进后OTSU算法对羽毛杆图像进行阈值分割,提出了适用于羽毛杆二值图划痕提取的自适应形态滤波算法,并在此基础上提出了基于图像分割的羽毛杆划痕检测方法。4、为了提高羽毛杆划痕检测的正确率,降低误判率,结合图像融合的原理和方法,分析了羽毛杆划痕检测融合的必要性,提出了决策级融合的羽毛杆划痕检测、判别方法,提高了划痕检测的正确率,降低误判率。通过Matlab7.1实现了上述算法和方法,对羽毛杆图像进行了仿真分析和处理；并在VC6.0平台上实现了上述算法和方法,分析多种方法和符项指标对结果产生的影响,确定最终的划痕检测判别方法,取得了较好的效果,具有一定的实用价值。