为实现纬编提花针织物花型的自动识别,本文探讨了通过双光源工业相机分别采集同一纬编针织提花织物的背光源图像与正光源图像,并分别对两种图像进行处理自动获取纬编提花针织物意匠图的算法。算法主要包括:图像的纠正;图像中线圈数量的自动计算与线圈单元的定位与分割;线圈单元的颜色量化与花型意匠识别三个方面。（1）图像的纠正,通过二值化样本的背光源图像,可获得针织物图像的孔眼特征,将此二值图像并分别沿纵横向细线化后,可获得针织物图像的线圈纵横向走向趋势特征图,对此二值图像进行Hough变换后,本文提出了一种多阈值的方向计算方法,分别统计出织物图像中线圈横列与纵行的歪斜角度,根据纵横向的歪斜角度对样本两个不同光源的图像进行几何变换并裁剪后获得纵横向相互垂直的纠正图像。（2）图像中线圈数量的计算,本文采用对二值图像分别计算纵向各列与横向各行像素值的和,获得两个一维序列,分别对此一维度序列进行一维快速Fourier变换（FFT）,并在频谱图中查找最大若干峰值对应的频率是否具有2倍关系的一对频率值,若有则说明该对频率中较小的值对应图像中的线圈横列（纵行）数。（3）花型识别,采用两步法进行线圈颜色和花型意匠的颜色量化。在根据计算出的线圈横列与纵行数确定的初步线圈位置的基础上,通过一个线圈模板对线圈的形态特征在线圈初步位置的一个邻域内进行特征匹配,从而获得图像中每个线圈的精确位置,实现线圈单元图像的的分割,然后在HSV空间计算线圈单元图像对应线圈圈柱部分色相的高频分量作为该线圈的色相,饱和度与明度以对应线圈的均值计算,确定各线圈的颜色后,获得花型意匠矩阵,在HSV颜色空间采用自定义距离对该矩阵使用K-means算法聚类为提花色纱数,从而获得纬编针织提花织物图像的意匠图。对30个提花花型样本用该算法进行识别后的结果表明,算法具有较好的准确率与稳定性。