本文基于图像的方法设计了一种针对车削加工表面的粗糙度检测系统,对铣、刨、镗等其它加工方法的粗糙度检测都有一定的指导意义。具体研究内容如下:首先运用背景减除、直方图均衡化、中值滤波等图像处理方法对粗糙度图像进行了预处理,使得粗糙度图像有利于特征提取。然后运用平均纹理周期法、频域变换法和灰度共生矩阵法对粗糙度图像分别进行了特征提取。在平均纹理周期法中,运用图像的纹理结构差异提取了平均纹理周期这一特征参数;在频域变换法中,将图像矩阵进行二维离散傅立叶变换后的频谱做了可视化处理,可视化后的频谱图像中的亮点间的距离可以表征图像的差异,提取亮点间的距离作为第二个特征参数;在灰度共生矩阵法中,运用灰度共生矩阵中表征图像特征的两个纹理描述符:能量与熵值作为特征参数。采用BP神经网络作为分类器对不同粗糙度等级的图像进行分类,以特征提取后的平均纹理周期、亮点间的距离、能量与熵值四个特征参数作为神经网络的输入,并选择合适的网络参数训练得到了分类精度较高的模式分类器。最后运用MATLAB编写易于用户交互的图形界面,在界面中可完成图像预处理、图像特征提取、BP神经网络训练、图像分类等检测过程的所有操作。并利用部分车削样本对系统进行了检验,将基于本文中的图像法检测所得的结果和触针式测量所得的结果作了比对,得到了较好的对应效果。