目前我国的医用纱布表面缺陷检测绝大多数由人工目视进行，人工检测工作效率低、劳动强度大、检测精度低。由于检验能力不足而导致产品质量下降，影响市场竞争力。针对这一问题，本课题运用数字图像处理技术，通过研究图像处理的检测算法，开发了基于图像处理技术的纱布表面缺陷检测系统，实现了对医用纱布表面缺陷的检测及识别。与人工方法相比较，可最大限度地避免人为因素对检测结果的影响，实现客观评价，对提高纱布制造过程的自动化程度具有重要的实践意义。医用纱布缺陷检测不同于其他材料缺陷检测，其缺陷特征除了孔洞外，主要存在着缺径、断纬等重要缺陷，本课题分析了医用纱布表面缺陷检测系统的基本构成及其工作原理，阐述了系统中的关键技术及总体设计，针对该系统表面缺陷检测具体要达到的基本技术要求，进行了软硬件设计，重点研究了软件系统中表面缺陷检测的算法，并做了大量的试验，以验证算法是否可行。为了对医用纱布表面缺陷图像进行检测识别，首先需要采集图像信息，然后输入计算机系统进行预处理，利用图像预处理技术中的灰度直方图、直方图均衡化等技术来增强图像的对比度，并通过各种滤波技术有效地消除了噪声对图像的影响。通过相应的预处理技术处理后的图像，发现明显的提高了图像的质量，为后续的医用纱布表面缺陷的图像处理提供了良好的基础。考虑到医用纱布的实际织造过程的工作环境，可以知道纱布是运动的，运动的图像在采集图像信息时难免会遇到模糊的情况，为了去除模糊的纱布图像，需要对图像进行复原处理。本课题运用数学形态学中的灰度形态学算法对医用纱布表面缺陷图像进行了复原处理，并取得了理想的效果。分析了各种传统的图像分割算法，如阈值分割、边缘检测等对图像做二值化处理，结合医用纱布自身的结构特点，采用了一种特殊的图像分割方法即基于数学形态学的分割技术对图像进行边缘检测及分割，保证了边缘检测的连续性，能够分割出完整的缺陷目标图像，从而将医用纱布表面的破洞、缺经、断纬等缺陷分割出来。提取了医用纱布表面缺陷图像的形态学特征参数，利用缺陷图像的特征参数对图像进行了分析，借助于模式识别技术中的统计模式识别方法对提取的图像形态学特征进行了分类，实现了医用纱布表面缺陷的破洞、缺经、断纬等的分类识别。通过MATLAB软件对一些医用纱布图像进行测试，验证了该方法的可行性和准确率。