作为目前工业生产中最常用的智能检测技术之一，基于智能视觉的缺陷检测是实现设备自动化、智能化和精密控制的有效手段，具有可靠性高、检测精度高、检测速度快、成本低和适用性广等突出优点。基于智能视觉的缺陷检测系统采集到图像数据后首先需要进行图像处理，常用的图像处理方法包括图像增强和图像分割等。

从一方面来看，传统的机器视觉缺陷检测受传感器材料属性、工厂电气设备干扰等因素的影响，工业现场采集的图像通常包含噪声。而基于智能视觉的缺陷检测可根据噪声能量分布区间的不同，可以择优采取高斯滤波、均值滤波或中值滤波等图像增强的策略消除噪声。除降噪之外，图像增强还可利用直方图均衡化、伽马变换等方式有目的地增强图像某些特征，如颜色、亮度和对比度等。

我们所感兴趣的是图像中是否存在异常现象，如划痕、脏污等。经过基于智能视觉的缺陷检测有效的分割后，图像中每个同类区域内的特征相同或相近，而不同区域间的特征则有明显区别。常用的图像分割方法包括基于阈值的分割方法、基于区域的分割方法、基于形态学分水岭的分割方法等。总而言之，通过图像处理可改善图像质量，使其缺陷的特征信息更突出，更适合于机器处理。