水果表面缺陷是衡量水果外部品质的重要指标，采用数字图像处理技术能够实现对水果表面缺陷的无损检测与分级，提高经济效益。而图像中的噪声以及背景信息可能影响检测的准确度，本文以苹果为对象，重点研究了水果图像的滤波、背景分割与缺陷检测算法。在图像的获取过程中，噪声的引入不可避免，针对苹果图像中脉冲噪声的特点，提出了基于极值的均值滤波算法，采用较大的窗口实现噪声检测，保证检测的精度；采用较小的窗口实现滤波处理，减小运算带来的图像模糊现象。该算法在抑制苹果图像噪声的同时还能保留大量图像细节，即使对污染严重的苹果图像也能有效地实现噪声抑制。针对分割苹果图像背景时，需要人工设定阈值的问题，重点研究了图像阈值分割算法。通过对各算法的分析比较，选择改进的Otsu法，将苹果灰度图像分割为二值图像。采用区域标记法和数学形态学算法去除二值图像中非苹果区域，将最终得到的二值图像与灰度图像进行点乘运算，实现苹果图像背景的分割。该方法能够将苹果区域较为完整地从背景区域中分离出来。通过对苹果缺陷检测算法的分析研究，提出了改进的模糊C均值聚类算法，采用直方图降低数据量，加快算法运算速度，实现对苹果缺陷的分割。该算法无需设定阈值，即可实现缺陷的准确分割。仿真结果表明，本文所提出的滤波算法、背景分割算法以及缺陷分割算法不仅能够对苹果图像实现较好的处理，而且对其它水果图像同样适用，具有一定的实用性和通用性。