Obel算法是另一种常用的边缘检测算法，可以计算图像中的梯度强度，检测边缘位置。形态学运算也是一种常见的图像处理技术，用于改善图像的形状和大小。常用的形态学操作包括腐蚀和膨胀操作。腐蚀操作可用于减小辊表面缺陷区域的尺寸，并消除孤立的噪声点。扩展操作可用于扩大缺陷区域的大小，使其更加明显。通过结合腐蚀和膨胀操作，可以优化缺陷的形状和尺寸，使它们更容易被后续处理步骤识别和分类。在获得缺陷的轮廓信息之后，可以计算缺陷的面积和周长等特征。这些特征可用于后续的机器学习算法，并可用于训练和构建缺陷分类模型。例如，不同尺寸的缺陷可以通过计算缺陷的面积来分类。计算缺陷的周长可以提供关于缺陷边缘形状的信息。
 最后，使用机器学习算法来识别和区分所提取特征的缺陷。常用的机器学习算法包括支持向量机、SVM、神经网络等。这些算法可以通过训练模型来学习缺陷的特征，并对其进行分类和区分。在模型训练之前，需要准备一个标记的样本数据集，其中包含有缺陷和无缺陷的轧辊图像。监督学习算法利用这些样本进行训练，从而学习缺陷的特征，并能够进行新的缺陷。

该算法和系统性能可以进一步改进，以满足更复杂的制造要求，并可以扩展到其他领域的缺陷检测应用。