随着皮革制品在日常生活中的广泛应用,皮革制造业的消费需求与日俱增,皮革制造行业对生产加工的质量与效率要求也越来越高。由于皮革原料取自动物表皮(主要为牛皮、羊皮、猪皮等),在动物生长期与人工屠宰时在原材料不可避免的存在各类缺陷,因此皮革行业在原料加工制造中需要快速有效的检测出缺陷区域。我国皮革制品行业长期以来主要依靠人工实现对整张皮革进行缺陷检测与定位工序。但由于光照条件、工人经验不同以及情绪、体力、工作时长等因素变化的影响,容易造成检测和排样切割效率低下等问题。因此,整张皮表面缺陷自动检测方法的研究对提高皮革行业生产效率,降低生产成本有着重要意义。目前国内外研究人员对皮革表面缺陷检测提出了许多不同的方法,但是他们大都是针对皮革表面局部缺陷进行检测与已知的明确缺陷进行分类处理,未能一次对整张皮革的缺陷进行有效的检测与定位。因此,本文基于数字图像处理技术对高清整张皮革表面缺陷检测算法进行研究与应用分析。本文的主要研究工作与创新包括以下几点:为了提高皮革缺陷检测的精度,需要对皮革图像进行预处理。通过分析皮革图像天然的随机与缺陷区域的特点,对皮革图像的对比度进行增强和进行图像去噪。在对整张皮革图像进行对比度增强时,需先提取其皮革区域(Region of Interest,ROI),局部缺陷的皮革图像可直接进行对比度增强。本文依据皮革图像的特点,通过实验对比总结出图像对比度增强和去噪的良好的方法。在提取整张皮革图像的皮革区域(ROI)阶段,本文提出基于饱和度的整张皮革有效区域提取方法与基于全局显著性的整张皮革有效区域提取方法,接着对所提两种方法与传统的方法的实验结果进行比较,通过实验可得所提的两种算法无论在提取的准确性和算法的运行效率上都比传统方法更具有优势,使用基于全局显著性的整张皮革有效区域提取方法在时间上稍微领先于基于饱和度的整张皮革有效区域提取方法,但后者在复杂的条件的影响下对整张皮革有效区域的提取准确性更高。在缺陷检测阶段,本文分为皮革的局部缺陷检测与整张皮革缺陷检测两个部分。通过分析可知,皮革图像是天然的纹理图像,具有不规则形,缺陷类别得差异性较大,因此在局部缺陷检测阶段提出一种基于图像显著性的皮革缺陷检测方法。本文通过实验得出最适用于皮革图像的显著性模型,从而在缺陷图像中检测出显著性区域,采用自适应阈值分割的方法对缺陷部分进行分离。在整张皮革缺陷检测阶段,提出一种基于边沿检测的整张皮革表面缺陷检测方法,并通过多尺度极值的显著性对检测的结果进行缺陷等级的分类。