羊毛细度和曲率是羊毛检验和分类中最为重要的测试指标,同时又是绵羊育种中最为重要的经济形状指标。以往检测人员多是用手工方法来测量羊绒毛的直径,这不仅耗时耗力,而且需要培训专业人员,同时主观影响大,所以迫切需要一个测量和识别羊毛的数字图像处理系统。本文设计并实现了一个基于数字图像处理的羊毛测量与分类系统,组成部分包括光学系统、图像处理卡和基于图像处理的全自动羊毛测量与分类软件系统。该系统充分利用成熟的数字图像处理技术,首先对采集的图像进行图像灰度修正、图像平滑和图像锐化等图像增强,具体作法是用直方图修正图像,K近邻中波滤值平滑图像,Canny边缘检测算子以提取出羊毛的边缘;然后根据羊毛图像的特点用基于高斯分布的聚类方法对增强后图像进行二值化,并对二值化图像进行一系列图像预处理;接着基于细化提取羊毛骨架,并对提取到的骨架噪点用开闭操作处理;进而再通过距离变换、三点法和八领域搜索算法计算骨架细度和曲率;最后基于贝叶斯分类决策方法通过羊毛的直径和曲率两种特征对羊毛图像进行分类。实验结果表明,该方法测量时计算速度快,准确率较高,而且分类因为采用基于最小错误率的贝叶斯法,所以可以方便、准确和批量的处理羊毛图像。本文采用数字图像处理技术对羊毛纤维细度进行测量,可以大大缓解手工测量的工作强度,提高了测量与分类的精度与效率。常用的基于最小二乘法的直线拟合方法,不但计算量特别大,而且也引入了额外的处理误差,包括拟合误差等。每幅图像包含纤维根数越多,误差越明显。本论文采用基于欧氏距离变换的方法绕过了直线拟合,避免了拟合误差,使测量结果更精确,测量速度更快。还由于本论文采用基于最小错误率的贝叶斯思想,而且特征数为直径和曲率两种,所以既保证了分类速度又能提高分类正确。