本文针对螺纹钢表面复杂的外观特征，基于机器视觉的理论技术研究，对螺纹钢表面缺陷进行检测研究，具体通过Matlab7.0与VC++6.0的编程工具的结合使用，实现了复杂背景下的螺纹钢表面检测算法研究。对螺纹钢正面和侧面图像的联合处理，研究了螺纹钢表面缺陷的处理方法的效果，设计了基于投影重心的亚像素边界定位方法，为螺纹钢在线检测提供了参考依据。本文研究的主要工作如下：（1）针对螺纹钢中常见噪声的类型，研究了常用的平滑去噪的处理方法，通过各种算法处理的实验效果的对比研究，最终确定选择处理速度快、处理效果较好的中值滤波的平滑方法来抑制螺纹钢图像包含的噪声。（2）针对螺纹钢的尺寸计算的要求，分别对螺纹钢正面图像和侧面图像制定不同的图像处理流程。对螺纹钢侧面图像进行特征分析，制定了图像处理流程。根据处理流程，分析了螺纹钢侧面图像二值化分割的算法，通过处理效果对比，选择大津法（OTSU法）作为螺纹钢侧面图像的二值化分割算法；再利用边缘算子对于边缘的提取，选择Canny边缘算子进行边缘提取；在获得螺纹钢侧面图像边缘后，利用基于投影重心的亚像素边界定位方法对螺纹钢侧面图像的尺寸进行分析与计算，得出螺纹钢图像的横肋高和螺纹钢内径尺寸。（3）对螺纹钢正面图像进行特征分析，制定了图像处理流程。根据处理流程，分析了螺纹钢边缘提取的算法，通过边缘算子对于边缘的提取效果，选择Canny边缘算子作为边缘提取算子；在获得螺纹钢侧面图像边缘后，利用边缘轮廓跟踪算法对螺纹钢侧面图像的尺寸进行分析与计算，最终得出结果。（4）对螺纹钢典型的表面质量缺陷特征进行模式识别，利用决策树的分类方法进行分类。实验结果证明，该方法具有较高的正确率。