纸张在生活中随处可见,随着人们生活水平的提高,对纸张质量的要求也在不断地提高,纸张的质量包括纸张的外观特性和纸张的力学性能,传统纸张外观质量好坏的检测主要靠人眼观察,而纸张力学性能的检测主要依靠人工借助各类仪器实现。为了实现纸张性能检测自动化的目的,本文以纸张图像为研究对象采用计算机视觉技术的方法完成了纸病和纸张力学性能检测等方面的研究。首先通过图像分割,边缘检测,及霍夫变换的方法实现了对黑斑,亮斑,褶皱等纸病的检测,为后续纸张力学性能的检测打下基础。其次利用局部二值化模式和灰度梯度共生矩阵提取纸张图像的纹理特征,并将对应纸张的力学性能等级作为分类标签,利用BP神经网络和支持向量机完成了纸张实现了纸张力学性能的分类,分类准确率可达95%以上,说明纸张的外观特性与纸张的力学性能之间存在关联关系。最后,通过对纸张抗张指数、耐破指数、耐折度和撕裂指数等纸张力学性能与纸张外观特性之间的关系进行多元回归分析,得到了纸张力学性能与纸张外观特性之间的回归模型,通过测试,模型的平均相对误差维持在10%以内,证明了模型的准确性。本文用计算机视觉的方法对纸张性能进行研究,为纸张力学性能的自动化无损检测提供了一种新思路。