伴随着工业4.0的到来,智能化的设备逐渐代替传统的手工业者进行产品的生产、质量检测,未来工厂智能化是一个必然的趋势。将图像处理技术广泛应用于检测领域,能够有效降低劳动力成本,同时保证检测的精度和效率。中国作为纺织品生产大国,但是国内纺织业成衣缩水率检测仍为人工检测。因此,本文从实现纺织品缩水率自动检测的需求出发,研究了整体硬件设计和二维平面内标记点识别算法。本文研究的主要工作如下:（1）研究了整体硬件设计和纺织品图像预处理算法。按照缩水率计算的特点进行缩水率自动检测装置的硬件设计,阐述纺织品缩水率自动检测的过程和原理。纺织品图像在采集过程中,可能受到外界环境影响,造成图像质量降低。所以对纺织品彩色图像进行预处理算法研究,提高获取纺织品图像的质量。（2）改进Canny边缘检测算法。针对传统Canny边缘检测两方面的缺陷:第一,高斯模糊去除高斯噪声的同时导致图像模糊,丢失图像边缘信息,第二,高低阈值依赖人工选取,自适应能力差,进行改进。采用非线性滤波算法代替二维高斯平滑,然后进行小波变换增强图像细节;另外由Otsu自适应阈值选取算法得到高低阈值。将经典的边缘检测算法和本文算法用于纺织品图像的边缘检测中,由检测结果证明本文算法的有效性。（3）研究了纺织品标记点的识别和定位算法。利用纺织品标记点的颜色和形状信息,完成标记点的识别和定位。首先,在纺织品图像H、S、V三通道的灰度图中,选取十字形标记区域与纺织品背景区域对比度最大的通道进行图像分割,并与其他图像分割算法的分割结果做比较,结果表明本文算法能更好的将十字形标记图像与纺织品背景分离。然后基于分割结果进行改进的边缘特征模板匹配,完成纺织品标记点识别和定位工作。（4）通过本文设计的图像识别算法完成纺织品图像标记点定位,然后由本文设计的纺织品经纬向标记点之间实际距离计算方法计算实际距离,最后在要求的测量精度范围内完成纺织品的缩水率计算。证明了本文所阐述纺织品缩水率自动检测方法的有效性,能够完成纺织品缩水率的计算。