现代造纸机车速和幅宽的不断提升，使得纸病出现的风险也不断提高，而传统的靠人工肉眼检测纸张外观纸病已经难以满足实时生产的要求，为了提高纸页质量和生产效率，采用基于机器视觉的纸病检测系统是势在必行的。而机器视觉又是以图像处理和分析技术为核心的，本研究结合纸病图像的特点，研究了纸病图像处理和识别的算法，实现了对孔洞、污点、褶皱和裂口的检测和识别。本文重点研究了纸病图像处理、特征提取和识别的算法以及纸病检测分析系统软件的设计。其中，纸病图像处理方面研究了图像平滑去噪、边缘检测、数学形态学处理以及阈值分割。比较了典型的边缘检测算子：Roberts算子、Sobel算子、Prewitt算子、Log算子以及Kirsch算子对纸病图像的检测效果，根据现有算子检测的弊端，提出了一种改进的边缘检测算子来检测纸病图像。经研究表明，改进边缘检测算子的边缘定位强度明显优于传统的算子，在检测灰度阶跃较小的目标时效果优于传统的边缘检测算子。最后利用形态学处理对纸病的边缘进行进一步的优化。为了更好地提取出每种纸病的特征，本文提出了一种基于纸病区域的特征提取方法，分别分析了四种纸病的灰度特征、形态特征和纹理特征，最终确定用灰度均值、圆形度、长宽比、矩形度和相关性标准差五个特征量来区分纸病。最后，针对四种纸病，利用本文的特征提取算法提取了组特征值，并通过BP神经网络实现了对四种纸病的分类和识别，利用组测试样本对纸病分类器的识别效果进行了验证。利用Matlab2012a、Visual++2010以及SQL Server2008为平台编写了纸病检测分析系统的软件，通过测试发现，该软件可以很好地提取出同时含有多种缺陷的纸病图像的纸病信息，对孔洞、污点、裂口和褶皱的检测效果较佳。