传统的织物生产过程主要依靠人工检测进行来样分析,分析效率较低。将数字图像处理技术应用于织物结构参数的自动识别,改变了纺织行业中传统的手工操作流程,大大提高了工作效率,对实现纺织产品生产的自动化、智能化具有重要意义。本文介绍了一种机织物组织点自动识别方法。先利用滤波窗口从水平和垂直两个方向分解织物图像,经过合理的二值化、数学形态学处理,确定组织点的位置;再利用每行(列)纱线的平均灰度变化及单个组织点图像经纬向纹理特征,判断组织点类型,输出机织物组织图。经过对平纹、斜纹、缎纹3种基本组织不同试样的实验,表明该方法可以识别机织物组织点类型。本文主要内容如下:第一章对国内外各种用于机织物结构参数自动识别的图像处理方法进行简介和比较,并最终确定本文采用的研究方法。第二章主要阐述织物图像的采集装置和光照不匀的校正、Wiener滤波和直方图均衡化等图像预处理方法,并对预处理前后的图像效果进行了比较。第三章在图像预处理的基础上,运用Wiener滤波、图像二值化、数学形态学分析等相关算法对透射光图像进行处理,以确定组织点的位置。第四章介绍通过统计单行纱线的灰度值变化规律得到纱线的沉浮规律,进而得到织物组织点类型,输出织物组织图。第五章对实验结果进行分析和讨论,并从织物组织结构、织物疏密程度、织物颜色、图像放大倍数和不同识别区域等多方面来验证该套算法的适用性、可靠性及稳定性。第六章对本论文进行了总结与展望。本论文所提出的机织物组织点自动识别算法,具有一定的理论意义和较大的参考价值,特别在对于织物组织结构的识别上具有一定的创新性,对于较为复杂的变化组织,也具有较好的应用价值。