目前的纺织行业中,通常依赖人工进行织物组织的识别,此种方法虽能够保证一定的准确性,但效率极为低下,显然不能够满足现阶段纺织行业高度自动化的需求。将计算机视觉和数字图像处理技术应用于织物组织结构的自动识别,能够极大地提高纺织行业的效率,对于提升纺织企业的生产自动化具有重要的意义。本文针对基于图像处理的织物组织自动识别展开研究,以其过程中的关键技术为核心,实现了以下功能：组织块的自动定位和提取、组织块的预处理、组织块中纱线的分割和组织点定位、基于纹理和色彩的组织点特征提取、组织点的分类以及组织结构意匠图的自动生成。针对整幅织物扫描图像中存在多种组织结构区域的状况,引入极大化思想,实现不同结构组织块的自动定位和提取。然后综合运用高斯模糊、直方图均衡化、Hough变换等实现组织块的预处理。为了实现纱线的分割和组织点定位,采用亮度累加法识别纱线间隙,定位组织点的同时计算纱线密度,同时引入形态学方法解决扫描过曝导致的高亮干扰问题。为了实现组织点的自动分类识别,设计了综合运用灰度共生矩阵和颜色矩算法提取组织点纹理和色彩双特征的算法,提取组织点特征向量后经过K均值聚类运算以实现组织点的自动分类。利用灰度共生矩阵中的相关性参数判别经纬组织点。最后根据组织点类别分布生成组织结构意匠图。本文提出的方法能够实现织物组织结构的自动识别,同时具有较高的准确率和处理效率。