【目的】钢铁工业作为我国经济发展的支柱产业之一，在整个制造业中具有无可取代的地位。热轧带钢具有包容覆盖能力强、便于加工、节省材料等优点，是生产其他钢产品的主要原材料，提高带钢产品的表面质量是提高钢铁产品质量的重要环节。由于受到生产、加工、拍摄等多种因素的影响，原始带钢表面缺陷图像亮度不均匀、缺陷区域与非缺陷区域对比度较低，导致缺陷信息不够清晰、不便于检测。针对上述问题提出了一种基于小波去噪与改进同态滤波相结合的带钢表面缺陷图像增强算法。【方法】算法采用二级小波变换将原始图像分解为低频分量和高频分量。低频分量包含原图的主要信息，对低频分量进行增强处理以提升图像的整体效果。分别采用改进的同态滤波算法以及限制对比度自适应直方图均衡化(contrast limited adaptive histogram equalization, CLAHE)算法对低频分量进行增强，在均衡图像亮度的同时提高了整体对比度，并将上述两种算法处理后的低频图像基于适当的权重进行图像融合，得到增强后的低频分量。而高频分量包含图像的细节信息以及噪声，对高频分量使用了改进的阈值函数提升去噪效果，并较好地保留了边缘细节。将处理后的低频分量和高频分量通过小波重构得到最终的增强图像。【结果】通过主观视觉评价和客观评价指标对算法处理结果进行多组对比分析，与其他算法结果相比，经本文算法增强后的各类带钢表面缺陷图像亮度均明显提升，且整体亮度保持均衡，同时提高了对比度，图像的纹理细节和缺陷信息也更加明显。采用通用指标均方误差(mean square error, MSE)、峰值信噪比(peak signal to noise ratio, PSNR)和图像信息熵(image entropy, IE)对算法进行评估，综合分析各参数可知，本文算法对提高对比度、降低噪声效果较为显著，同时保留了更多的细节信息，失真度较小。【结论】实验结果表明，本文算法有效改善了带钢表面缺陷图像亮度不均匀的问题，在提高了整体对比度的同时提升了去噪效果，使缺陷信息和边缘细节得到显著增强，并且适用于多种类型的带钢表面缺陷检测。