20世纪90年代以来,随着纺织行业的发展,非织造布也得到了发展及应用,基于纤维原料的选择、生产工艺的改进以及各种性能的改进等等方面的研究越来越多,本文研究的非织造布结构与形态对研究非织造布的性能有很大的关联。对于非织造布纤维形态与结构的测量与解析的研究方式也由传统的基于经验的人工检测逐渐变为基于计算机的图像处理方法,基于图像处理的方法更加科学客观,并且具备快速响应、数字化解决和准确性等优势。要进行非织造布纤维结构与形态的图像测量,图像的采集是第一步。本文使用自行搭建的显微镜采集系统来采集样本图像,该装置包括一台三目显微镜,一台数码相机,一台三轴机动平台和一台电脑。将制备好的样本放置于显微镜载物台上,通过x,y,z三个方向的调整,使得图像能够实时显示于计算机上,并按照一定刻度不断调整焦点拍摄下一系列单焦面图像,从而得到样本数据库。拍摄得到的一系列单焦面图像的形成是因为非织造布厚度大于显微镜景深,纤维无法清晰显示在一幅图像中。非织造布的测量精准度取决于采集图像的清晰程度,对于部分区域纤维无法清晰显示的现象,本文应用并改进了两种多焦面图像融合算法,分别为GHM多小波算法及非下采样剪切波变换算法。这两种算法都是先将两幅单焦面图像分解为高频和低频两种分量,再使用两种融合规则分别处理高低频分量,再将两种处理好的分量进行融合后逆变换得到初始融合图像,再将初始融合图像及下一幅单焦面图像按照上述步骤进行,不断迭代至所有纤维均清晰显示,得到最终的融合图像。基于融合图像,分别从纤维直径、孔隙率及纤维取向度三个方面进行非织造布结构与形态的测量与解析。对于纤维直径的测量是图像预处理及曲线拟合相结合处理,预处理主要涉及对比度拉伸,归一化,二值化,形态学等操作,而曲线拟合是基于霍夫变换的思想进行,最后根据距离公式得到直径,该方法方便快捷准确;对于孔隙率的测量步骤主要是标识出孔洞,并计算每个孔洞的面积,最终计算得到孔隙率;对于纤维取向度的测量也是预处理及曲线拟合的结合处理,预处理主要是二值化、均值滤波及提取出单独的各个孔洞,最后再使用霍夫变换拟合曲线得到取向度分布结果。针对非造布结构与形态的测量,本课题从图像采集、图像融合到图像结构参数测量分析,得到的数据结果能够进行生产的指导,推动非织造布的高速、自动发展,使得产业更加工序连续化。