纹理是物体表面信息的反映，以彩色或灰度图像的分布形式反映了不同物体基本的视觉特征。机织物纹理具有一定的周期性，并随纱线、交织规律的改变呈现出复杂多变的特性。在对织物起毛起球和织物褶皱的自动等级评定、织物疵点检测以及图像分割的分析中，纹理的消除、增强、方向性分析及非主要纹理增强等纹理分析方法是这些研究的共性，因此织物纹理的基础分析具有重要意义。本文主要做了以下工作：1、采用傅里叶变换技术将空间域的纹理图像变换到频率域中，得到机织物图像的频谱图，并利用阈值分割曲线，选取合适的阈值对频谱图进行分割，然后用邻域最大值的方法，找到织物纹理的特征坐标点，根据坐标点与实际频率的关系，对机织物纹理的频率进行计算，得到机织物纹理的频率范围为2~8cycle/mm，分析了图像分辨率以及织物密度对频率的影响。2、通过傅里叶分析得到的机织物纹理频率，确定Gabor滤波器的主要参数，并对滤波器大小、中心频率、分解尺度和分解方向等参数范围进行选择分析，然后用这些参数确定的Gabor滤波器，对织物图像沿不同尺度和方向进行分解，得到多个包含不同信息的分解子图像。针对机织物纹理对分解参数的选择进行探讨，将机织物纹理的频率范围归一到0~1，采用2~5尺度，3~6方向分别对平纹、斜纹和缎纹织物进行分解，得出代表织物主纹理的分解子图像。3、将分解的子图像对纹理进行融合，对三种融合方法进行比较，进而采用不同的融合策略，融合不同尺度和方向的分解子图像，得到感兴趣的纹理信息。可以进行单尺度融合，也可以进行单方向融合，可以选择某一指标最大的尺度融合，也可以选择某一指标最大的方向融合，还可以选择任意几幅图像进行融合。根据融合评价指标，选出合适的融合方法，对机织物纹理的分析具有明显的影响。4、机织物是由经纱和纬纱按一定规律交织而成，形成的纹理往往具有一定角度的方向性，是织物的主要纹理，同时机织物的纹理中包含疵点、噪点、亮度不匀或其它原因形成的非主要纹理。对织物纹理进行分析，先分别对平纹、斜纹和缎纹织物进行傅里叶变换，分析其机织物频率信息，然后进行Gabor分解和融合，讨论突出和增强织物主纹理分析方法、消除织物主纹理分析方法、方向性纹理分析方法以及非主要纹理增强的方法。试验结果证明,这一方法可以获取包含织物周期性纹理的子图像，得到增强的织物纹理信息；也可以得到包含非周期性纹理的子图像，以消除织物周期性的纹理信息，增强织物中诸如疵点、毛球、褶皱等非主要纹理信息。结合织物图像的傅里叶变换和Gabor变换的机织物纹理分析方法，获取不同频率和方向的织物纹理图像，是机织物纹理分析的有力手段，具有广泛的应用价值。