1.一种基于机器视觉对表面检测的方法，其特征在于，包括以下步骤：
1)采用LED环形灯直接暗视场正面照明方式采集图像；
2)使用动态阈值分割法将表面区域中划痕检测的感兴趣区域提取出来；
3)再通过使用区域特征、区域形态学对表面区域使用腐蚀运算去掉分割区域中杂点和小的突出物，确保计算上有足够的精度；
4)最后使用放射变换、图像平滑、连通区域提取等算法检测出划痕并显示其结果。
2.根据权利要求1所述的基于机器视觉对表面检测的方法，其特征在于，所述步骤2)中，图像阈值化的目的是按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域布局有这种一致属性，阈值分割操作被定义为
S＝{(r，c)∈Rgmin≤fr，c≤gmax}；
因此，阈值分割将图像ROIR内灰度值处于某一指定灰度值范围内全部点选到输出区域S中，使gmin＝0或gmax＝2b-1，如果光照能保持恒定，阈值gmin和gmax能在系统设置时被定选且永远不用被调整；阈值分割分为固定阈值分割和动态阈值分割；
动态阈值分割将图像与其局部背景进行比较的操作被称为动态阈值分割处理，用fr，c表示输入图像，用gr，c表示平滑后的图像，则对亮物体的动态阈值分割处理如下
S＝{(r，c)∈Rfr，c-gr，c≥gdiff}；
而对暗物体的动态阈值分割处理是S＝{(r，c)∈Rfr，c-gr，c≤-gdiff}。
3.根据权利要求1所述的基于机器视觉对表面检测的方法，其特征在于，所述步骤3)中，采用的算法为a＝R＝∑(r，c)∈R1＝∑ni-1cei-csi+1；
由上式可知，区域的面积a就是区域内的点数R。
4.根据权利要求1所述的基于机器视觉对表面检测的方法，其特征在于，所述步骤4)中，是把数字图像或数字序列中一点的值用该点的一个拎域中各点值的中值代替，让周围的像素值接近真实值，从而消除孤立的噪声点；
方法是去某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升(或下降)的为二维数据序列，阈值分割的结果中含有噪声，这并不是最后结果，噪声的处理，通过使用图像平滑来进行抑制。
5.根据权利要求1所述的基于机器视觉对表面检测的方法，其特征在于，所述步骤4)中，检测结果在去除噪声的过程中，所有少于4个像素的连通区域被看作噪声并被去除，为了区分噪声和缺陷，假设噪声是均匀分布的，而同属一个划痕的缺陷是彼此靠近的，因此，可以通过膨胀将缺陷区域中小的缝隙闭合；为了能够计算出连通区域，必须定义合适两个像素应被视为彼此连通。