铝合金材料是金属材料中使用量较大的一种材料，随着材料工程的迅猛发展，对金属材料的要求越来越高，需求量也越来越大。但是，因材料缺陷问题引发的重特大事故屡屡发生，给我们带来了巨大损失，同时也严重威胁着人民群众的生命安全。金相分析是对金属进行研究和性能测试的重要手段，利用计算机图像处理技术可以对金相缺陷进行识别和分类，避免了人工分析的效率低、劳动强度大、重现性差等缺点。本文以铸造铝合金金相图像为研究对象，搭配一系列的数字图像处理技术对金相图像进行特征提取和分类。为了提高金相分析的精度和计算速度，针对铸造铝合金缺陷图像的特点，研究和改进了相关图像处理方法，实现了缺陷图像的正确分类。本文的主要研究内容如下。(1)通过各向异性扩散滤波技术对采集来的金相图像进行预处理，去除噪声并保留特征边界，在对原图进行增强的同时对亮度不均匀现象进行了校正，为分割提供良好的图像依据。(2)提出一种改进的图像分割算法对缺陷图像进行分割，在基于一维Otsu分割方法中引入Renyi熵分割法，使分割的目标函数不仅在类间方差达到最大，而且使图像的Renyi熵达到最大，经过实验比较，证明了改进的Otsu分割效果的有效性。(3)对分割后的图像进行特征参数提取，将分形理论运用到金相缺陷图像的特征量提取中。主要采用了分形理论中广泛使用盒维数描述缺陷特征，首先对分割后的图像进行二次提取，然后提取出面积、紧凑度、不规则度、不变矩和分维等参数，作为图像识别和分类的数据。(4)对提取到的数据，先利用PCA对多维数据降维，然后利用FCM进行模糊聚类分析，得到划分之后的模糊隶属矩阵。对经过模糊聚类识别后的数据，通过SVM分类器对数据进行训练和分类，通过实验得到缺陷的分类结果。最后，对本文的工作进行了总结，并对今后的研究方向进行了展望。