1）独立缺陷区块的提取
对整体的检测区域进行一个粗略的分离效果，通过一个标准的表面内的像素点进行灰度值的提取，后通过检测过程中对每个像素点灰度值对比的方式提取出变化较大的点集，初步形成含有缺陷的区域，为后面的准确查找缺陷区域做准备。


2基于灰度阈值的缺陷判断方法
2.1）图片噪音处理
对于灰度阈值方式而言，适合处理一个较为平均的灰度变化，因此本文选择更加合适的均值平滑进行噪音处理，其中均值平滑是基于像素掩码处理的平滑方式，通过给定一个m×n的像素矩形进行逐一像素的扫描，把该矩形内包含的像素求平均值后把该矩形内的像素都设置为该平均值，从而达到均值平滑处理的效果，其中选取的像素矩形越大，则平滑处理效果越明显。对于本文表面的噪点处理，所需要处理表面的噪点比较少，使用3×2像素矩形进行平滑处理即可达到处理效果。

2.2）缺陷灰度增强处理
通过灰度增强处理算法，把缺陷区域灰度值和背景区域灰度值进一步的扩大对比度，从而更加准确的提取出缺陷区域。

3）结论
如表格2所示为直接的阈值处理效果和独立分割阈值处理的效果对比图表，由可知本文使用基于灰度对比的区块化处理的缺陷检测方法，实现的图片处理过程中的分块结构处理，使得复杂变化的问题单—提取处理，使得算法的特征处理简单化，且使用了图片增强对比度的计算尽最大可能的抑制图片噪音的变化情况，使得特征处理更加稳定化，本文的方法适合于绝大部分表面灰度值基本一致的金属表面缺陷处理情况。