随着人们对穿衣品质要求的不断提高,羊绒以其保暖、柔软、高贵的特点成为纺织工业界公认的最具经济价值和最受欢迎的原料之一。然而,我国羊绒的分拣工作长期以来采用人工分拣来完成,不仅是一个费时费力的工作,而且工人极易疲劳,导致工作效率低。为了改善此现状,急需能够代替人工的机器出现,羊绒异纤维分拣需要在计算机图像处理及机器视觉技术的基础上完成。因此,本文设计了一套关于羊绒异纤维检测的系统,主要内容如下:首先对图像进行预处理。图像预处理的过程包括二值化,图像增强,图像去噪。固定阈值的二值化方法简单,能有效的提高运行速度;自动阈值二值化使用方便,针对应用人群更广。本文还对比了多种图像增强和图像去噪方法,根据实验结果,最终选择了分段线性变换增强法和中值滤波去噪法。其次是异纤维的识别。由于异纤维的不规则性,导致无法找到一个具体的模板来进行对比识别,所以本文利用其像素特点,设计了一种基于连续函数的判别方法,但因其失败率高而舍弃。而后又根据深度优先算法设计了一种识别羊绒异纤维方法,检验像素点的连续个数,若达到设定值,则判定其为异纤维。同时,由于工业相机的原因,图像总会出现竖线,干扰结果。根据该批样本,得出竖线像素个数的平均值,当某一列像素个数大于该值时,判定为竖线。最后进行异纤维的定位及去除。根据确定的异纤维位置,可以得到准确的坐标,由异纤维距喷嘴的距离和传送带运行速度可得到喷嘴启动的具体时间,和启动的喷嘴序号。当异纤维经过喷嘴队列时,控制台发送指令,可以准确的将异纤维喷出。如此循环,最终能达到检测并去除异纤维的目的。本文通过MATLAB进行图像增强和图像去噪方法的比对,运用C#和C语言完成了对羊绒异纤维检测系统的开发,最终达到检测速度为882.06mm/s,识别率在90%以上。实验结果表明,本文提出的羊绒异纤维检测算法是有效的,羊绒异纤维检测系统基本达到预期效果。