服装产品品质很大程度受所用的纤维种类和纤维混合比例确定。纺织品中主要采用的纤维为棉、毛、天丝、苎麻等。对纺织纤维的判别是我国纺织进出口检验的一个重要环节。目前基本上采用人工识别纤维的种类以及混合比例。然而人工方法费时,还存在不稳定的人为因素。随着计算机技术的不断提高,使用计算机自动进行纤维识别已成为可能,提取纤维属性是其中的一个重要预处理。由于纤维样本制作技术的限制,采集到的纤维图像不可避免地存在纤维的重叠和交叉现象,而纤维属性的提取需要建立在单根纤维的基础上,因此本文对分离纤维、提取单根纤维进行研究。传统的纤维分离算法都是基于单张二维图像的,目前应用较为广泛的是基于交叉处各分支斜率的分离算法,该类算法难以区分交叉纤维与分叉纤维。本文对交叉纤维和分叉纤维图像在显微镜不同焦距下呈现出的清晰度差异,提出一种基于多焦面图像处理的交叉纤维特征参数提取算法。利用一组同一场景不同焦距的纤维图像,依据纤维图像上像素点聚焦图层号,获得Z方向的参数,利用同根纤维相邻部分像素点在Z方向坐标基本一致,不同根纤维尤其是交叉处的不同根纤维像素点Z方向坐标差异较大这一原理,根据纤维的(X,Y,Z)三维特性实现纤维分离。纤维分离系统首先读入多层图片,图片由拍摄系统采集同一场景不同焦平面的一组图像而来,其中图层数要求能覆盖纤维目标的纵深。存储多层图像的基本信息,进行纤维提取。根据清晰度表述对象及其特征,定义纤维像素点与其8邻域像素点的方差值为该点的清晰度值。对不同焦距下每一张图像的每一个像素点计算清晰度值,找出极大值所在的图层号作为其Z方向坐标值,并记录清晰度极大值和对应的图层号。而后对记录图层号信息的图像进行背景分离、杂质去除、纤维内部空洞填充获得清晰有效的纤维部分图层号信息。因纤维骨架描述纤维形态,通过细化表获得纤维骨架。去除其中无效信息,对有效骨架线段进行分类,获得交叉骨架线段,构建匹配表。依据像素点清晰度的定义可知纤维轮廓处的清晰度较大,其图层号信息不易受干扰,正确率较高。故而在确定纤维轮廓与纤维骨架的匹配关系的前提下,使用纤维轮廓处的图层号信息对匹配表中骨架线段赋值,利用两两骨架线段图层号差异最小原则,匹配纤维骨架线段。进而获得单根独立的纤维骨架、纤维轮廓。通过上述处理,将从交叉的纤维中完整的分离出单根纤维,实现最终目标。算法能有效地区分交叉纤维和分叉纤维。