织物疵点检测是纺织品质量控制的重要检验项目,也是纺织品生产过程中最难实现自动化的工序。截至目前,织物疵点检测主要是人工目测,不仅检测效率低,误检率和漏检率高,而且劳动强度大,对工人身体健康不利。因此,研究基于计算机视觉的疵点自动检测有重要意义。本文首先对织物疵点自动检测理论研究与系统开发的国内外研究状况进行了较全面的分析,在此基础上,对疵点自动检测所涉及图像预处理降噪、疵点区域识别、疵点纹理特征提取等关键问题进行了较深入研究,主要研究工作及成果如下:(1)对织物图像采集的噪声源、噪声分类与特性进行分析,结合织物纹理的特殊性,给出了中值滤波与拉普拉斯图像锐化相结合的图像预处理的方法。(2)将自适应阈值分割、数学形态学和Canny边缘检测算法相结合,给出一种单色织物疵点区域的快速检测方法。首先对预处理后的图像进行自适应阈值分割,识别图像中疵点的位置。然后,应用数学形态学算法对阈值分割后图像中存在的孤立点以及不完整的疵点区域进行处理,以保持疵点区域的连通性,并去除不相干的结构。再利用Canny边缘检测算法识别疵点区域的边缘,从而获得疵点区域的位置、形状及大小等基本信息。(3)应用小波分析方法对含疵点图像进行小波分解,获得图像的经向子图和纬向子图;通过提取经纬子图的能量、极差、方差、熵、逆差距五个特征值并进行归一化处理,为疵点类型的识别提供条件。(4)在上述理论方法研究的基础上,应用Visual C++6.0开发环境和OpenCV设计开发了疵点自动检测程序。在实验室环境下,对单色织物的常见疵点:掉扣、飞花、刮线、破洞、色污、锈斑、油纱、杂纤维、脏污以及织破洞进行了大量检测实验,验证了本文方法的可行性和有效性。本文研究成果对织物疵点自动检测系统的开发有一定理论意义和实用价值。