荧光磁粉无损检测因具有缺陷显示直观、灵敏度高、检测速度快且成本低等优点而被广泛采用。在分析工件表面缺陷的荧光磁粉图像显示特性基础上，研究缺陷图像的平滑去噪和分割等处理算法，提出基于加权模板和自适应邻域选择的图像平滑算法，并将Ridler自适应阈值法应用于缺陷图像分割。实验结果表明，此种方法能够很好地去除伪缺陷，将图像中工件的真实缺陷从背景区域中完整地提取出来，为荧光磁粉自动化无损检测打下良好的基础。

主成分分析法（PCA）在图像识别中有广泛应用，有着较好的特征提取性能。荧光磁粉检测是一种无损检测技术。目前在裂纹缺陷的识别上依然使用的是人眼观察，而其他步骤都已经实现了自动化。本文使用基于加权平均的中值滤波算法对图像去噪，使用大津法对图像进行了阈值分割，再利用PCA算法对荧光磁粉检测中的图像进行识别，建立了一个自动识别系统。实验结果证明，该系统可以准确识别裂纹有无，还可以对简单的缺陷种类（直线裂纹，气泡）进行分类。