原棉中杂质的存在会严重影响棉制品的外观和质量,因此对原棉中含有的杂质进行检测和识别是十分重要的,这是进行杂质去除的前提。原棉中的杂质具有含量较少,但是其种类多而杂的特点,因此检测起来具有一定的难度。目前,通过图像处理和机器视觉方式结合进行自动检测的研究已经成为当下的热点。本文以原棉杂质图像为研究对象,通过相关算法的设计和实验,提出了一种原棉杂质检测和识别的算法。首先,为了在灰度化转换过程中减少原图像的信息丢失,为后续处理过程保留更多的图像细节,在全局映射算法的基础上提出了一种能根据图像自身属性自适应分配R、G、B三个分量权重比例的灰度化算法,与传统加权平均值算法相比,灰度化处理后能够平均多保留5.5%的图像信息;接着进行同态滤波处理调整光照不匀、分段线性变换增强处理和中值滤波去噪处理,来改善图像质量并减少外部因素对图像产生的不良影响。然后,针对传统Canny算法阈值选取过程复杂、繁琐的难题,在阈值选择部分通过引入最大类间方差的思想对其进行局部改良,改进后的算法不仅能够根据不同图像自身特点自适应的生成相关阈值,同时高、低阈值之间不再是简单、固定的倍数关系,改进后算法具有较好的分割效果。本课题在图像识别部分主要选取了头发丝、羽毛、塑料绳、壳叶类杂质和小型棉结五类常见的原棉杂质来进行特征值提取和识别的研究。主要是对五类杂质的相关颜色特征和形状特征进行研究,通过对不同的特征参数进行分析和研究,最终在众多特征参数里选定了2个颜色特征值参数:Lab色彩模型中的L分量值、RGB色彩模型中的B分量值;2个形状特征参数:离心率、面积周长比,通过4个特征参数的分布区间对所选的五类杂质种类进行综合判定,最终确定了识别方法,完成杂质的检测和识别。将所设计的算法进行最终检测,将得到的结果与实际结果进行比对,发现本课题所设计算法的准确率可以达到91%,特别是对头发丝、塑料绳的识别效果最好。