毛球图像分割是纺织品起毛起球客观评级系统中的关键步骤，分割的结果直接影响评级的精度。国内外的研究人员在该领域已经进行了大量的研究，但还没有建立起一种适用于多种纺织品图像的通用的毛球分割算法，其中一个重要的原因是由于大多数纺织品图像中包含大量的色彩和纹理信息。为了提高评级系统的性能，毛球图像分割算法需要综合考虑这些因素。本文研究一种基于边缘流技术的毛球分割算法，该算法利用一种预测模型来识别各图像点在给定尺度下的色彩或纹理变化方向，并生成一个边缘流矢量。当达到稳定状态时，通过边缘流矢量的传播，如果在同一像素点处两边缘流矢量方向相反则认为该像素点为边缘点。该算法需要控制的唯一参数是图像尺度因子，也就是高斯函数的标准差。这种方法将色彩／灰度和纹理信息综合为一个边缘检测结构，使其能够适应多种不同的边缘检测方案。通过对多种纺织品毛球图像进行实验，表明该算法适应性强，效果良好。