以图像工程为应用背景，针对钢材端面特点，采用计算机视觉的方法来尝试线材的计数，主要研究了图像处理的相关方法，并系统地设计了钢材端面计数与识别系统的软件部分，包括图像的采集、预处理、物体的分割和识别并且计数。关键处理给出了一种新的基于小波包分解的分水岭阈值分割算法和带条件的轮廓跟踪识别法。 把目标物体从多值的图像背景中脱离出来，关键在于阈值的选定。腐蚀线材粘连严重、分割效果差，用分水岭算法均衡了处理速度和分割精度，能有效抑制大颗粒噪声，且处理速度较快。但该算法无法表述信号的局部时频特性，而这种性质恰恰是非平稳信号的根本性质；引入小波包分解算法，能有效克服腐蚀线材灰度变化剧烈，在图像尺寸较小的情况下，对一般图像和腐蚀严重图像均能显著提高分割精度，从噪声较大的图像中获取良好的目标物体。 识别时，边缘信息所确定的类圆不能完全确定为要识别的钢筋端面图像，轮廓跟踪信息不是识别的充分信息。为解决这个问题，采用区域面积测量值作为补充判断条件，优化最终识别精度。 在实际钢材端面识别与计数系统中，对一幅大小为640*480的图像，整个处理耗时小于2秒，满足实际生产要求。实验结果也表明该系统对图像二值化效果要求较高，只有当物体间缝隙二值化后能部分或全部判定为背景，识别率才能达l00﹪。系统各阶段算法均对现行算法进行了对比和改进，在理论上可应用于其它工农业和其他行业的自动化计量和自动化控制，为类圆线材，如农业生产中的果实、林业中的圆木端面等计数的通用算法打下基础，不仅具有一定的理论意义，且有较好的市场前景。