机织物密度是机织物质量检测的一个关键性指标。早期对于机织物密度的检测基本上是依靠大量人工利用一些简单的检测工具,如放大镜、分析针及照布镜去检测的。这样的工作枯燥乏味、劳动强度看似不大,但是若长时间工作之后,对于工作人员的视觉、心理、精神状态都是一个极大的考验,在这样的情况下,就更加无法保证产品检测的精确性与有效性。至21世纪初以来,计算图像领域地蓬勃发展,给这个行业带来了便利,在准确性、速度、工作量、劳动强度等多方面都带来了极大的改善。对于这样的改变,不仅减轻了工人的负担,而且提升了整条流水线的生产效率。不过,目前对于利用机器视觉去检测机织物的密度,较成熟的还是关于单色机织物的密度检测,而关于多色的机织物密度检测准确程度仍旧有更高地提升空间。为此,本文展开了关于色纱织物密度图像识别算法研究。本文为改善色纱织物密度检测的准确性,首先利用多方向光源的对织物采样时进行照明,具体是在四个方向位置上提供光源,相邻位置的旋转角度为90度,在每个位置打光时分别进行采样,对于采样得到的四个织物图像,在选取适当的小波基后,利用小波变换将图片分解,然后按照最优的融合规则融合,最后通过小波逆变换生成新的图片。这样做的目的是把每张图片的特点聚集在一起,加强纱线与间隙的对比度,减轻颜色的干扰。融合后的织物图像不能直接进行密度检测,还需要进行预处理,包括滤波和对比度增强,滤波采用的是巴特沃斯低通滤波,而对比度增强则使用的是Retinex的方法,为了消除图像中噪声的干扰以及增强对比度。完成了滤波和对比度增强后还需要对其进行倾斜检测,因为织物在检测过程中由于是人工摆放,难以保证有无倾斜的状况发生。对于倾斜检测的方法,本文提出了利用高斯金字塔和霍夫变换相结合的方法,相比较原来仅仅使用霍夫变换,其倾斜的精度有了极大的改善。最后,需要利用灰度投影的方法去检测机织物的密度,相比较于传统的纯色织物密度检测,两者唯一不同的地方,以前对于纯色织物,使用傅里叶变换就能又快又准确的计算出来,因为颜色的干扰,傅里叶变换不能计算色纱织物的密度。在利用灰度投影的方法得到投影曲线后,会发现投影曲线上有很多局部的峰值点,其对密度检测的精度有巨大干扰,所以需要把它消除,本文采用的方法是利用局部加权回归拟合算法进行平滑,但此算法需要一个宽度值手动设置,故本文自己提出一种算法有效的解决了该问题,最后准确的检测出了色纱机织物的密度。