我国棉纺织的产量很大,在国民经济中占据着相当重要的地位。但是在棉花的采摘、收购、存储、烘干等环节中经常会混入异性纤维。虽然含量比较低,但是异性纤维的存在会影响棉花的质量,会使棉花不易被染色。这严重的影响了我国棉纺企业的生产以及棉纺织品的质量,造成了相当严重的损失,因此以就使得棉花异性纤维检测和识别特别重要。大多数西方国家都在使用机器自动分拣棉花异性纤维,但在国内大多数棉纺织企业还在使用人工分拣的方法,不仅耗时而且效率很低。但是国外一些相关的机器设备价格比较高,而且使用和维护不太方便,这就特别需要我国自主研究和开发适用于国内纺织企业需要的、价格相对低、性能优越的棉花异性纤维识别与剔除系统。本文首先介绍了棉花异性纤维系统的总体设计,分析了棉花异性纤维检测的原理,并介绍了系统中光源、光照方向、CCD相机和光学镜头等的选择。通过搭建好的棉花异性纤维检测装置,在线采集棉花图像。对采集到的棉花异性纤维图像通过直方图均衡和Retinex增强的方法进行了增强处理。通过对采集到的图像进行分析,探索了不同的异性纤维分割方法,包括:(1)在基于色彩的异性纤维分割方法中,分析了棉花异性纤维在不同色彩空间中的特征,提出了基于色彩感知的思想对棉花异性纤维图像进行分割,提高了检出率;(2)实验了基于边缘检测的棉花异性纤维图像分割方法,用不同的边缘检测算子对棉花异性纤维图像进行处理,并对处理的结果进行了分析;(3)在基于阈值的分割方法中,测试了模糊阈值法、迭代阈值法和最大类间方差法,并对其分割结果进行了比对分析;(4)在基于聚类的分割方法中,实验了K-means聚类和Mean-shift聚类的方法,对两种方法进行了比较。最后对分割完的图像进行后处理,包括滤波处理,形态学处理和异性纤维定位等。本文采用Visual C++开发软件,编写相应的软件程序,对采集到的400多幅棉花异性纤维图像进行统计,采用基于色彩感知的方法检出率可以达到89%左右。