机织物结构参数和颜色排列对织物的物理和化学性能有着重要的影响,决定着织物的性能和用途。在目前的纺织行业中,织物的大部分参数仍依靠经专业训练的检测人员在放大镜等辅助工具的帮助下分析完成,这种人工分析机织物结构参数的方法不仅耗时费力、效率低下,且检测结果的准确性也易受主观因素影响。随着企业的自动化程度的提高,如何实现织物参数的快速、准确提取与分析已逐步变成流水线生产、质量控制和逆向工程的瓶颈。因此研究一种快速、准确的机织物外观结构和参数分析方法十分必要。本论文首先简要介绍课题的研究背景及意义,概述了国内外有关基于图像处理技术的机织物结构参数自动识别的研究现状。并在分析了几种典型的织物组织结构分析与研究方法后,提出了一种基于机器视觉的织物外观数字化分析方法和系统。为提高系统的检测的精准性,设计了一套织物双面实时成像采集系统,可实现同时采集样本对应区域的正反图像,用于织物参数提取与分析。同时,提出了一种智能图像测量方法,直接利用织物图像的灰度投影信息和图像尺寸放大倍数与像素点之间的对应关系,实现经、纬纱密度的自动计算。利用投影算法和滤波算法对织物经、纬纱线进行分离和组织点定位,实时建立织物样本图像的栅格模型；基于边界强度的组织点识别算法,对组织点进行分类；同时用组织点的邻近信息、组织点的排列规律及颜色特征信息对组织点分类结果进行校正,实现组织点类型的准确提取。采用颜色聚类的方法提取组织点的颜色信息,并利用组织点类型和颜色信息对织物提取的参数进行数字化编码和存储；在织物样本的一个重复编织模型区域内,构建样本织物组织结构的数字化文件,作为实现织物外观样式的自动识别和分类数字化信息。为了验证本文提出方法的正确性,提出了对织物进行逆向重构的方法,用重构图像与原始真实的织物形貌进行比对,证明本文所提出方法的有效性。本文所提出的方法不仅有助于快速对织物机构参数自动分析,且能方便实现编织模式结构逆向重构。实验证明了提出方法的有效性。