在纺织工业界,由于各种原因存在许多遗失原始设计稿件的织物样品。通常对遗失设计稿件的织物进行再生产,就必须先由经验丰富的设计人员对织物样品进行手工临摹来得到设计稿,这一过程是枯燥且非常耗时的。为了解决此问题,本文提出了一种基于多方向模板的非局部采样去噪算法,此算法可以有效地去除织物扫描图中存在的密集网纹并最大程度恢复织物上的图案。设计人员可以将本文算法生成的结果图像作为初级设计稿件,之后对初级稿件进行二次加工可得到最终应用于生产的设计稿。这将在很大程度上减轻设计人员的工作强度,缩短遗失设计稿件织物的生产时间。　　本研究分为三个部分：⑴创新地提出了基于模板的非局部均值算法(TNL-means),此算法是对传统的非局部均值算法的改进。TNL-means利用预先设计好的带有方向信息的模板作为计算图像块间相似度时所用的掩码,从而为匹配过程找到更多的相似图像块,用来强化最终合成图像块的边缘信息。使用TNL-means的结果图像与NL-means结果图像相比,边缘更加清晰、锐利。⑵在经典TV模型的基础上提出了α-TV模型,并给出了高效的迭代解法。与经典TV模型相比,α-TV模型更适应处理包含密集周期性网纹的织物扫描图的去噪工作。它能够在保持边缘不退化的同时,使图像中的平滑区域噪声显著减少。在本文中,α-IV得到的结果图作为采样图使用,是最终结果图像的像素颜色来源。⑶使用了多个数码影像产品对焦技术中用到的图像清晰度评价函数来对本文算法产生的图像质量进行盲评价。评价结果与主观感受相一致。