钢铁质量检测一直是钢铁生产的一个重要环节,对钢铁连铸坯的生产效率和生产质量都有着重大的意义。钢铁连铸坯表面缺陷检测作为一种重要的钢铁质量检测技术,一直是钢铁生产领域关注的热点。近些年钢铁连铸坯表面缺陷评级技术中应用最为广泛的技术冷酸蚀表面缺陷检测法在准确性上有很好的效果,但由于该技术仍采用人工来进行,在检测效率和精确性上已逐渐无法满足生产的需求。本文针对连铸坯冷酸蚀表面缺陷在自动化评级上的应用需求,提出了基于数字图像处理技术的解决方案,实现连铸坯冷酸蚀图像的缺陷评级自动化。本文着重对该自动评级技术中的图像预处理过程进行了深入研究。图像预处理旨在通过有针对性的处理,实现图像在各方面统一化,消除影响图像特征提取的不利因素,为后续特征提取的工作提供必要的支持。对于图像预处理过程中,重点对光照补偿、图像分割进行了研究。针对图片中偏光现象严重的情况,本文通过对直方图均衡化法、光照探测补偿法的算法及效果的研究比较,提出了基于以上两种方法的改进的光照补偿算法,有效克服了偏光现象对连铸坯图像的影响,保证了图像分割的有效性。针对图像预处理中的图像分割问题,本文对不同的缺陷分别提出了研究算法,根据中心偏析、中心疏松的离散性特点,提出了全局阈值、局部阈值结合基于邻域的杂散点分割法的算法;针对内裂、特裂、角裂缺陷的表现特征和评级方法,提出了全局阈值结合区域生长法、基于边界跟踪的图像分割法,并在效率上进行比较分析。