La detección de defectos superficiales es crítica en la fabricación de baldosas magnéticas para mejorar el rendimiento de producción. Sin embargo, los métodos de detección existentes son difíciles de usar para localizar y segmentar con precisión pequeños defectos en imágenes de baldosas magnéticas, ya que estos defectos siempre ocupan proporciones extremadamente bajas de las imágenes y sus características visuales son difíciles de identificar, lo que significa que su representación de características para la detección de defectos es bastante débil. Para abordar este problema, proponemos un algoritmo de detección efectivo y factible para pequeños defectos en superficies de baldosas magnéticas. En primer lugar, basándonos en la similitud de estructura local de las superficies de baldosas magnéticas, la imagen se descompone en matrices de rango bajo y dispersas para estimar posibles regiones defectuosas. Para localizar con precisión áreas defectuosas mientras se filtran manchas, texturas y ruidos, la matriz dispersa se binariza y se utiliza para el análisis de componentes conectados. Luego, se normalizan los valores de píxel en el área defectuosa, y se aplica la teoría de Retinex para mejorar el contraste entre los defectos y el fondo. Finalmente, se determina un umbral óptimo mediante un método de segmentación de umbral automático para segmentar con precisión las áreas y bordes defectuosos. Los resultados experimentales en una serie de muestras de baldosas magnéticas que contienen diferentes tipos de defectos demostraron que el algoritmo propuesto supera a los métodos existentes en términos de todas las métricas de evaluación, mostrando amplias perspectivas de aplicación industrial.