纸张和卡片的数量自动统计对于印刷以及包装行业的自动化具有重要意义。目前基于机器视觉的纸张计数方法大多是根据纸张图像的全局特征做图像分割或者边缘检测的方法实现对纸张计数。虽然简单易行,但对纸张厚度和边缘质量有较高要求,同时存在分割阈值难以选取、计数速度慢的缺点。针对以上问题,本文研究了一种基于空间和灰度特征的纸张粗精二级计数方法。采用改进型曲线峰谷定位算法完成粗计数;用特征聚类法对纸张精计数。在完成方法研究后,实现了纸张计数系统。论文主要研究内容和结论如下:针对图像整体基本周期性变化而空间灰度分布具有峰谷特征,设计了基于峰谷特征的纸张计数算法。首先用灰度投影法得到投影曲线,针对曲线特点和传统检测曲线峰谷算法的缺点,用基于二次寻找区域极值的方法对检测算法做了改进。根据统计的区域极小值点的数量来计算纸张数量并检测其位置。该方法在纸张成像效果较好时,能在纸张颜色和边缘条纹变化时仍然有较高的计数准确率。针对纸张在排列放置时存在纸张粘连,而用粗计数方法无法检测出纸张数量导致计数准确率降低的问题,根据纸张粘连处灰度和宽度异常变化的特征设计分类方法。首先用区域生长法对图像二值化,用统计像素法得到纸张宽度,同时计算投影曲线波谷点与投影曲线均值的灰度差;然后计算投影曲线平均灰度差与纸张平均宽度,用纸张宽度和灰度差构成二维特征向量;最后用K-means聚类法对特征向量进行分类判断纸张粘连数量。结果表明能在一定条件下解决粘连问题,提高计数准确率。最后实现基于机器视觉的纸张计数系统,并用于实际测试。结果表明纸张厚度在0.07mm-0.09mm,扫描仪分辨率不低于1800dpi,纸张与扫描仪水平面夹角在45度的条件下,设计的纸张计数系统计数时间在1s以内,计数准确率在99.7%以上。