棉纤维成熟度的自动判定是涉及图像处理、模式识别、计算机视觉等众多领域的综合性研究课题。传统棉纤维成熟度检测方法存在诸多弊端,随着计算机图像处理技术的不断发展,棉纤维成熟度的自动判定技术的研究工作有了较大进展。但运用计算机技术对棉纤维的成熟度进行自动化判定的研究仍有相当大的难度。对于该领域国内外的应用、研究还比较少,仍有很多问题尚待研究、解决。本课题研究的重点是实现通过棉纤维的数字显微图像进行成熟度的计算机自动判定。棉纤维成熟度自动判定系统首先对获取的纤维横截面显微图像进行预处理(包括光照不均去除、棉纤维图像边缘提取等)；之后从处理后的图像中提取单个纤维；然后通过区域填充法、链码跟踪法统计棉纤维的几何特征参数,最终实现对棉纤维成熟度的自动计算。其中,最为关键的技术包括图像预处理、棉纤维图像分割、粘连棉纤维分离、棉纤维特征提取。本文的主要研究内容为棉纤维图像的增强处理、棉纤维图像分割中的粘连纤维的分离,以及棉纤维的特征参数提取。由于在制作棉纤维切片样本工艺上的限制,显微镜采集到的棉纤维灰度图像中不可避免地存在背景噪声干扰、棉纤维形状变化、粘连等情况,这对后续算法的精度带来了不良影响。因此,去除背景噪声干扰,从图像中准确地将含有棉纤维的前景部分分割出来是棉纤维成熟度判定的首个重要环节。为了寻找含有棉纤维的前景区域,准确地判断棉纤维非常重要。本文结合棉纤维的特点,通过研究人类视觉机制模型,提出了一种图像分割算法。经试验验证,该算法能够较好地将含有棉纤维的前景部分从图像中分割出来,保证了后续步骤所需输入图像的准确性。棉纤维的分割准确性对棉纤维成熟度判定的准确率有直接影响。本文综合分析了图像分割领域中常用算法的特点及其在棉纤维图像分割应用上的局限性。针对棉纤维图像的特点,提出了将高斯偏移差分过滤器运用到棉纤维图像分割上。本算法能准确地将棉纤维图像从背景中分割出来,并能有效地克服图像噪声、棉纤维边缘不明显等缺陷,保证了后续算法的准确性。从棉纤维图像背景中分割出的前景目标中的存在棉纤维粘连、边缘信息不明显等现象。为了提取出最终单个的棉纤维,我们仍需要对棉纤维边缘增强、以及粘连分离工作。本文通过研究边缘检测、粘连分离等方法,提出运用基于方向图的边缘界定算法来增强棉纤维轮廓信息,利用基于欧氏距离粘连分离算法来分离棉纤维,实现填补轮廓缺陷,准确分离棉纤维的目的。利用种子填充法与链码相结合的方法统计出棉纤维的特征参数,计算出棉纤维成熟度比,从而最终得出棉纤维的成熟度。试验证明,本方法得出的棉纤维成熟度比与实际棉纤维成熟情况保持一致。