纸页在生产过程中会受到一些外部和内部因素的影响，会出现亮斑、暗斑、孔洞、黑斑以及褶皱等外观纸病。目前，很多企业对这些纸病的检测及分类仍旧通过人工的方式来完成，这样不仅会减低企业的生产效率，而且很容易出现漏检的问题以及检测精度低的状况。因此，基于机器视觉的纸病检测系统的出现不但能够更好地实现对纸病检测的可视化、微观化和自动化，而且能够大大的降低造纸企业的生产成本，提高纸病的检测效率，从而提高了企业的效益。本论文对基于机器视觉的在线纸病检测系统以及纸病检测算法的背景、发展过程和研究现状进行了介绍和分析。对基于嵌入式处理器的分布式纸病检测系统进行了详细描述。本论文中对图像去噪和图像分割等图像处理技术做了简单的介绍，并将其中的一些算法进行编程实现。而且，本论文也对复杂纸病的检测算法进行了研究，由于复杂纸病在图像中主要呈现出直线特征，因此对该类纸病常采用直线的检测算法，这类算法中比较常见的为Hough变换。虽然Hough变换检测复杂纸病时具有很强的鲁棒性，而且抗干扰能力也很强，但其计算量很大，很难满足生产过程实时性的要求。本论文中采用的概率Hough变换只对一部分待处理的点进行映射和累加，剩下的点则被认为直线上的，并不需要进行映射，这在很大程度上减少了计算量，使该算法更加适合于在实时检测中的应用。另外，为了进一步完善纸病检测算法，本文对超小波在纸病检测中的应用进行了研究，但是还处于初步阶段，还有很多的地方需要进行完善。