棒材自动计数一直是棒材生产企业没有解决好的难题。目前企业主要靠人工来完成棒材的计量任务,有时对一批棒材需要定期计数、核实,工作量很大,工人长时间的人工计数,会引起体力疲劳,产生较大的误差。因此,开发棒材的自动计数系统是一个迫切需要解决的问题。本文主要从以下几个方面对棒材识别计数系统进行研究：图像的预处理,图像的边缘检测,目标图像的识别。在图像的预处理方法上,引入了基于数学形态学的图像背景噪声清除、图像增强、图像平滑、图像锐化、图像滤波、图像分割等图像处理方法,使得棒材的图像预处理效果比普通的图像处理方法更好,更好的突出了需要识别的目标。同时还解决了由于图像在采集过程中光照不均匀所导致的图像二值化不均匀的问题。其中图像增强和图像锐化是图像预处理的重点要研究的问题。通过运用对图像直方图均衡化,使原图像灰度级集中的区域拉开或使灰度分布均匀,使象素灰度级的动态范围增加,从而使图像对比度或反差增大,使图像的细节清晰,达到增强的目的。由于圆钢的处理具有实时性,所以选择了采用空间域拉普拉斯算子对棒材图像进行锐化处理,使图像中棒材端面边界部分得到加强。接下来采用图像阈值分割的方法对图像进行二值化处理,由于在均匀光照的条件下,圆钢表面呈现的灰度值是相近的,并且与背景有显著差别,故采用图像的灰度值作为阈值分割的方法把棒材从背景中提取出来。通过采用几种典型边缘检测方法对棒材图像分析,通过实验对比,Canny算子检测效果较理想。最后对类圆目标进行检测,采用基于类圆圆心、类圆边缘及半径等特征的识别原理和识别算法,把只符合一定要求的独立区域识别为类圆物体。同时由于棒材分布不均,往往会产生棒材的粘连,给识别工作带来较大误差,因此,要对图像进行局部图像的分割处理,以提高棒材目标的正确识别率。本文结合相关实验,以圆钢端面图像处理为例,给出了一种棒材检测识别方法,具有较高的识别能力,为后续棒材快速提取和识别计数奠定了基础。