长期以来,纱线混纺比的检测通常采用化学溶解称重的方法。但是当混纺纱中两种或几种纤维具有相似的化学性质时(如棉与粘胶、羊毛与羊绒等),这种方法就不能有效地工作。利用图像处理技术无疑为检测这类混纺纱的混纺比打开了另一扇大门,具有重大的实际意义。本论文以棉/粘胶混纺纱为实验对象,在总结前人研究的基础上,完整地实践了基于图像处理的棉/粘胶混纺纱的识别这一研究的五个环节,即图像获取、图像预处理、个体轮廓探测、特征提取及特征数据聚类分析。在图像获取环节,采用环氧树脂包埋技术,获得了高质量、纤维截面变形小、分散程度高的切片图像,为后面的图像处理环节打下了良好的基础。在图像的预处理环节,采用数学形态学技术,运用开、闭运算,形态学重建和增强对切片图像进行处理,并具体探讨了形态学运算中参数的选取问题,提出了适合本论文图像的预处理解决方案。在个体轮廓探测环节,运用光斑扩散模型并对它的人眼视觉原理和光斑扩散中各项控制参数进行了深入的阐述和探讨,并在此基础上对它的单点扩散方式进行了改进,解决了此方式在对高屈曲截面纤维进行探测时不能探测到纤维全部轮廓的问题。在特征值提取与聚类分析环节,提出了离散度、波动强度、异形系数等7个形态指标,并针对棉和粘胶纤维的径长分布特点,设计了最能反映两者差异的波动强度这一指标。采用模糊C-均值聚类法用这7个形态指标分别对样本进行聚类分析,并将结果与传统的系统聚类法进行对比。结果表明波动强度在两种方法下都能够正确的识别棉和粘胶纤维,并且模糊C-均值聚类比系统聚类更有效。