钢筋、钢管等成品的点支计数是钢产品生产工艺过程的最后步骤。目前,多数钢厂普遍依靠人工来统计成捆钢筋的根数,工作机械枯燥,劳动强度大,计数准确率低,给钢筋销售带来很大麻烦;采用称重销售方式,会导致企业不能得到负公差方式带来的较大经济利润。因此,研制成捆钢筋计数系统对钢筋企业发展具有重大意义。本课题以图像处理技术和目标识别技术为基础,以成捆钢筋端面目标识别与统计为目的,完成成捆钢筋计数过程的理论算法研究,并以Matlab为仿真工具,实现目标识别技术在计数系统中的研究与应用。本文的主要内容包括端面图像预处理、端面图像分割和钢筋识别与统计。首先,详细分析了复杂条件下的原始成捆钢筋端面图像的实际特征:“井”字交叉堆放、端面形状和颜色不一、光照不均匀、粘连等,结合图像增强技术,提出了一种双重滤波预处理算法,该方法可以大大提高图像整体对比度,削弱噪声干扰,为图像的有效分割提供必要条件。其次,根据端面图像特点,提出基于Otsu算法的钢筋端面图像分割算法,并从阈值搜索范围和阈值判定准则两个方面作出改进,与经典处理方法对比,分割效果最佳;并结合数学形态学操作,解决钢筋轻度粘连的问题。最后,在钢筋识别与统计阶段,以端面二值图像的连通区域标记为基础,提出基于中心点提取的钢筋端面识别算法,实现成捆钢筋的识别与统计。此外,针对标记结果图像存在漏选、多选、误选现象,提出手动标记和去除等优化策略。通过Matlab仿真测试,结果表明本研究算法直观、有效,自适应力高。