利用计算机图像处理技术分析织物图像的结构参数和组织类型，是纺织CAD计算机辅助分析系统的关键技术，为不同面料的织物进行组织结构的分析与识别为面料的创新、设计和仿样提供了科学依据。织物组织结构的研究和识别对纺织业和面料行业的提升以及增强我国纺织产业的竞争力都有重要的现实意义。传统织物组织识别方法一般假定织物图像为平稳信号，针对经纬纱排列整齐的织物图像应用模型分析方法或者谱分析方法，然而，实际的织物图像经纬纱排列不规则，与理想模型存在较大的差异，传统的识别方法有很大的局限性。针对织物图像属于非平稳信号这一特性本文提出了一种基于经验模态分解算法的织物组织识别技术。经实验仿真证明，经验模态分解方法的非线性自适应特性，极大地保留了图像的大部分信息，减少了冗余信息所占用的计算机内存空间，大大提高了识别织物组织的精度。图像分割是织物组织识别中的重要部分，织物图像因光照不同和采集设备的客观因素会造成图像质量差异，需要运用不同的图像分割算法，才能可以更好地检测图像的边缘，得到织物图像的组织结构。本文采用经验模态分解域的直方图分割方法和经验模态域的移动平均线（Mean shift）方法对织物的图像进行分割，经实验证明，该分割算法能根据图像的多维特性，在自适应降低噪声的同时又能有效地保留图像的边缘，大大提高了织物图像的分割精度。本文在自动识别出织物图像的组织结构，得到织物组织意匠图之后，又针对织物组织意匠图进行了花样编排，目的是实现织物组织结构与图案花型的有机融合，设计出丰富多彩的图样效果。本文主要采用图像的变形技术对织物的意匠图进行纹理变形，图像变形的关键是如何对变形后的图像像素进行定位，即如何对图像中像素点进行赋值。本文在借鉴传统的图像变形技术基础上又结合空间线性插值技术和虚拟放大技术，提出了一种高效快速的基于像素点的织物图像变形算法。经实验仿真结果证明，该算法能够高效地实现织物意匠图的任意扭曲变形，球面化变形，水波纹变形等效果。本文主要基于经验模态分解理论，深入研究了织物图像组织结构的识别和织物意匠图的花样编排，工作内容如下：(1)提出了经验模态域的直方图织物分割算法。针对织物图像的非线性特征，运用自适应性高的经验模态域的直方图分割算法，实验仿真表明：能够更加准确地对织物图像进行分割，为织物组织结构的识别奠定基础。(2)提出了一种经验模态域的移动平均线织物组织分割算法。运用二维经验模态方法对织物图像进行分解，利用对得到的一阶本征模态分量（IMF1)做移动平均线分割，因为一阶本征模态分量(IMF1)包含了图像的大部分组织结构信息，本文只取经验模态分解的一阶本征模态分量进行研究和仿真实验。(3)提出了一种对织物意匠图进行花样编排的新方法。将识别出的织物意匠图与其它花型图案进行融合并运用基于像素点的图像变形技术进行多种纹理变形，得到形态花型各异的富有创意的图像。