油管是石油开采过程中使用量最大的耗材,油管质量对石油工业安全生产具有十分重大的意义。复用油管即一根油管反复使用,但多次使用后油管的质量参差不齐,很多油田都频繁发生过粘扣、泄漏、滑脱、断裂等现象,并造成巨大损失。据统计,95%以上的油管失效都发生在螺纹连接处,其主要原因就是螺纹参数超出允差范围。目前,油管螺纹参数检测主要依靠人工手段,其检测效率低、误差大、易受人为因素影响。因此,研究一种智能、高效的油管螺纹参数检测系统具有重大的意义。在分析了国内外油管螺纹检测系统现状的基础上,本文研究了一种基于数字图像处理的油管螺纹判废系统,论述了螺纹图像采集与处理系统的开发以及在技术上的实现。通过采集大量图像对比完成线阵相机参数调试。针对图像降噪,确定了自适应的滤波方法。在图像增强方面主要分析了对比度增强和直方图增强,并研究了小波方法在图像增强的应用。通过实验分析比较得出了各种边缘检测算子特点。确定了以美国石油学会(API)为标准的螺纹锥度、牙型角、螺距、螺纹牙高、中径等作为螺纹图像识别分析的特征参数,给出各个参数的定义及其计算方法,并提出了由屏幕像素到实际尺寸的转化方法。在智能判废的实现过程中引入了神经网络方法,其网络参数均是通过实验获得的最佳值。本文借助Microsoft Visual Studio2005平台,采用VB.NET、MATLAB和SQL Server软件混合编程实现了系统的图像采集、图像处理、参数检测以及判废等功能,并建立了油管螺纹数据库。