随着消费者物质生活水平的提高,其消费理念也发生转变,尤其是偏爱更舒适、更美观的外观服饰。消费者对服装需求的多样化使得纺织品质量要求更高,纺织企业为了适应消费需求的发展,不断引进新技术和新方法,以提高纺织品质量。在纺织企业中,纺织布品颜色检测是影响纺织品品质的主要因素,精确的颜色特征信息对纺织企业尤为重要。有的纺织企业仍然采用人眼来判断印染纺织布品的色差程度,已远达不到商家要求,这就需要更稳定、重复以及准确的颜色检测方法来代替人眼检测。经过科研人员的不断努力和探索,实现了从主观性的人眼评定到客观性的测色仪器检测的快速转变,利用机器视觉代替人眼进行测量与判断,能够达到更高的检测精度和效率,为纺织企业的生产柔性和自动化发展奠定了基础,并成为越来越有效的方法。然而由于机器视觉检测技术不够先进,使用带有光学镜头的CCD工业相机获取纺织布品的图像信息时,外界一些不稳定因素在获取的图像中产生噪声点,影响原有的颜色特征信息。为了提取更为精确的图像颜色特征信息,加强机器视觉在纺织布品色差检测中的应用,本文通过设计机器视觉系统,提出了颜色特征提取方法,成功获得了较为准确的颜色特征信息,最后进行色差结果的对比实验分析,能够提高纺织布品色差检测的准确性,对企业中纺织布品的检测具有一定的借鉴意义。本文主要研究工作和结果如下:(1)纺织布品色差检测机器视觉系统设计。本文研究了机器视觉系统构成及其工作原理,考虑采集系统和照明系统对获取图像颜色特征的影响,完成对相机和镜头的选型,确定光源和照明方案,设计机器视觉采集平台。(2)基于机器视觉的纺织布品颜色提取。针对提高颜色特征信息的准确性提出了一种颜色特征信息提取方法,包括图像采集、图像分割、图像预处理和颜色特征提取。采用一种设定阈值图像分割方法完成图像采集。针对图像颜色出现的色偏、噪声点及颜色信息点不连续等失真现象,对图像进行预处理操作,完成颜色信息的调整。本文提出了一种改进的自动迭代调整Gamma色偏校正算法实现获取图像颜色信息的真实度还原,采用一种基于HSI颜色空间的彩色直方图均衡化来提高图像颜色的整体对比度,提出了一种改进的滤波处理算法完成多余噪声点和纺织布品纹理特征的去除,最后用一种高效的基于K-means聚类算法完成图像信息的颜色特征提取。结果表明,该方法能够有效的去除不相关信息点对颜色特征信息的影响,提取更为精确的颜色特征信息。(3)颜色特性及色差评价分析。计算机检测的是绝对色,而人眼检测的是相对色。所以利用计算机在进行颜色评定时,需要对检测的颜色按照人眼视觉效果进行调整,保证检测的颜色特征与人眼视觉之间保持良好的关联。通过对颜色特性的分析和纺织布品色差理论的理解,选用与人眼视觉特性相接近的CIELAB色彩空间分析颜色特征。将提取的颜色特征信息代入到常用的色差评价CMC(l:c)色差公式、CIE94色差公式、CIEDE2000色差公式和CIELAB色差公式计算色差结果。本文首先在设计的机器视觉系统上完成对待测单色纺织布品的图像采集,然后通过图像分割、图像预处理和特征提取方法完成对采集图像的颜色特征信息提取,最后将提取的颜色特征代入色差公式进行色差结果评价分析。研究结果表明,该方法能够较好的去除采集图像中纺织布品表面的纹理特征和图像中不相关的噪声点,使得颜色特征信息更接近标准值,显著提高了图像的颜色特征准确性,对纺织企业纺织布品颜色的自动化检测提供可借鉴意义。图55幅,表6个,参考文献85篇。