纺织品的出口需经过非常严格的检测，我国作为世界上最大的纺织品生产和出口大国，目前对纺织品中纤维种类的鉴别主要是依靠人工进行检测，工作效率低而且容易受人的主观因素影响而造成错误的鉴别，因此利用计算机对纤维进行自动识别是必然的趋势。本文研究的主要内容是棉与苎麻纤维图像的计算机自动识别。提出了系统的总体设计方案；利用显微镜实现了对纤维的放大和采集。对纤维处理和识别算法进行了研究，提出了棉与苎麻纤维图像处理过程及其识别算法。本文主要对纤维图像的角度矫正、外轮廓的提取与修补、纤维特征参数的提取与分析、苎麻纤维横节和裂纹的提取、模式识别的理论进行了研究。在对纤维图像进行角度矫正的过程中，本文尝试了两种角度矫正的方法，即一步整体矫正与逐步矫正。分别比较了两种算法的优、劣势并联系实际实时运行系统操作的要求选择了更适合本文的算法。本文在图像轮廓的提取方面提出了一些新的算法，采用逐行与逐列扫描的方式来提取图像的轮廓。在特征参数提取方面，本文先提取了扭曲度、纤维直径等7个特征参数，然后依次对这7个特征参数与纤维类别进行了相关性的研究。最后，经过综合比较，本文将BP神经网络的理论成功的应用于纤维模式识别中，将所选取的参数输入到神经网络进行训练并对实际样本进行了测试，最终证实本文所采取的方法是切实可行的。