纱线是人们日常生活中重要的必需品之一,纱线质量的好坏关系到纱线生产效率以及使用价值等方面。传统纱线质量检测方法具有诸多缺点,现如今已不符合智能化生产的要求。随着计算机与图像处理技术的发展,可靠高效精度高的数字图像技术已开始广泛应用在工业生产中。如何利用图像处理技术来克服传统检测方法的缺点并提高检测效率,成为研究的重点内容。本文设计了基于图像的纱线质量智能检测系统。为了更好地提高检测精度,预先对相机进行了标定工作,解决了相机透镜固有的失真现象。本文为了解决噪声和抖动等干扰因素,作了一系列预处理工作,包括:灰度变换、倾斜校正、直方图均衡化等操作。其后,本文分析了不同滤波算法的特点以及针对本文实验处理后的效果,选择最合适的双边滤波去除噪声干扰。解决图像噪声问题后,需要重点研究纱线样本,为此本文采用大津阈值分割方法将目标与背景分离,突出研究重点。在阈值分割处理后,图像中仍然存在孤立的细小孔洞影响后续的特征信息准确提取。本文结合了腐蚀与膨胀的特点,采用数学形态学闭运算处理。另外,纱线的毛羽形态需要检测边缘,本文考虑了五种检测算子。经过实验发现,Canny边缘检测算子不易受噪声的干扰,更容易检测出真正的边缘。本文的研究重点是检测纱线的毛羽形态以及粗节、细节、不均匀率等信息,因此可以对图像进行细化操作,方便后续处理。本文为了精确检测纱线质量参数,设计了一种像素点数长度匹配法,解决了传统纱线长度检测算法只能计算毛羽投影长度而不能计算实际长度的问题,也避免了破坏纱线毛羽结构。本文重点研究了纱线的毛羽长度,并进行了分级统计,还研究了纱线的粗节信息、细节信息、棉结率和纱线条干不均匀率等内容。另外,本文为了对实际生产具有指导意义,开发了纱线质量检测软件系统。该软件可以实时采集并处理纱线图像,并根据编写地算法程序通过界面显示检测的纱线质量信息。实验证明,本文采用的图像法可以高效精确地测量纱线质量参数,具有较高地实际应用价值。