一、传统图像处理方法
（一）二值化相关流程
前期处理
首先进行图像去噪和灰度化，然后二值化。二值化后多数瑕疵点能凸显，但存在问题。例如黑点瑕疵与白点瑕疵是二值化的两个极端，不能同时出现，并且量化时若采用像素点计数计算百分比，再与无瑕疵的百分比作比较，准确度不高。
（二）边缘检测与形态学操作
流程
图像去噪、灰度化后，进行canny边缘检测，接着做形态学闭运算，最后统计连通域个数。通过与无瑕疵情况下logo及其他印刷形成的连通域个数作比较，能较好地检测瑕疵，这种方法不容易漏掉瑕疵点。
（三）模板匹配
适用情况
在实验室理想条件下，OpenCV的模板匹配可用于图像瑕疵检测。在手机瑕疵检测这种需求目标较低的情况下，模板匹配比较胜任瑕疵检测工作，并且也测试了其在不理想情况下的表现。
二、其他相关方法
（一）基于视觉显著度的方法
例如基于视觉显著度的皮革瑕疵检测方法，通过视觉显著度的相关技术来检测皮革表面的瑕疵，但未提及具体操作流程细节。
（二）基于傅里叶极坐标变换的方法
像基于傅里叶极坐标变换的织物瑕疵检测方法，利用傅里叶极坐标变换来对织物瑕疵进行检测，同样缺乏具体操作流程阐述。
表面瑕疵检测
一、检测设备相关方面
（一）设备组成影响检测
摄像头和光学部件
表面瑕疵检测设备中的摄像头和光学部件很关键。根据应用，摄像头有黑白、复合彩色(Y/C)、RGB彩色、非标准黑白(可变扫描)、步进扫描或线扫描等类型，这些会影响表面瑕疵检测的效果。
（二）筛选准确性影响因素
光线和镜头影响
筛选的准确性受光线和镜头影响。虽然很多人认为提高精确度要改善设备配置（如购买高精度相机），但合适的光源和镜头在很多情况下就能满足需求，且高精度相机会增加计算机处理时间影响检测速度。
二、不同产业中的表面瑕疵检测
（一）薄膜产业
薄膜瑕疵产生原因及检测需求
薄膜瑕疵产生于制造过程，如温度、湿度等因素使薄膜变形。薄膜厚度较薄（不超过5 – 10mm），其瑕疵检测是影响产品外观品质的重要因素，有专门的薄膜表面瑕疵在线检测系统，检测精度和准确度较高，并且不同薄膜类型（如双拉膜、流延膜等）都有检测需求。
（二）纸张产业
纸张瑕疵影响及检测系统
纸张表面瑕疵在造纸过程中常见，会降低纸张品质，影响印刷效果和使用寿命等。赛默斐视纸张表面瑕疵在线检测系统利用计算机视觉技术自动检测纸张表面污渍、皱纹、水痕、毛发等瑕疵，精度高、速度快。
（三）金属产业
金属缺陷检测的重要性
随着金属制品广泛应用，金属缺陷检测在工业生产中很重要。传统人工目视检测金属缺陷存在很多问题，现在表面瑕疵检测设备可用于金属工业，检测平面度、是否存在瑕疵、边框整齐度、工件表面亮度等方面的问题。
