随着生活品质的提高，人们更加关注服饰美感与生活的融合，色织物因大方庄重的风格，受到众多消费者的青睐。色织物相对于白坯织物的生产来说，更强调小批量多样化生产，同时色织物的检测中更强调纱线的颜色信息，因此色织物的疵点检测更为重要。目前，基于机器视觉的织物疵点检测已有较多的报道，但研究的焦点仍然是白坯织物，缺少对色织物疵点检测的相关研究。为此，本文研究色织物疵点自动检测算法。针对色织物的特征，设计检测算法的基本思路是选择正常织物作为模板，通过比较分析待检图像和模板图像的相似性，判断织物中是否含有疵点。为了充分掌握织物疵点识别的基本经验，本文首先以白坯织物为研究对象，提出一种基于傅里叶特征谱和相关系数的疵点检测算法。利用傅里叶变换将织物图像由时域转换到频域，分析频谱图中峰值点与织物结构参数的对应关系，并从中提取能够表征织物灰度、纹理等特征的5个特征值。采用特征值间的相关系数表征图像纹理的相似程度，用于区别正常织物和疵点织物。实验结果表明，该算法能够实现稀密路、断经、吊经、纬缩、破洞6种常见疵点的准确检测。同时发现，检测窗口对疵点识别效果有重要影响，文中选用的窗口大小为32像素×32像素。本文提出一种基于自相关函数的色织物花型周期检测方法。选取正常色织物图像，分别计算得到其经纱方向、纬纱方向的自相关曲线。选择合适的窗口宽度，采用LOWESS算法对原始自相关曲线进行平滑拟合。通过寻找局部极值的方式定位平滑后曲线的峰值点，根据相邻峰值点的间距来确定花型周期。其中，平滑窗口宽度是该方法的关键，实验发现其与图像分辨率及织物经纬密度有关。本文提出一种基于灰度共生矩阵和欧氏距离的色织物疵点检测算法。与正常织物相比，织物中有疵点出现时，其灰度共生矩阵的元素分布发生变化，因此对比度、能量、熵、相关等特征参数随之变化。文中重点分析了灰度共生矩阵的步长和方向对织物纹理特征参数的影响。在设计算法时，不直接提取灰度共生矩阵的特征值，而以灰度共生矩阵作为特征矩阵，采用特征矩阵间的欧氏距离表征图像间的相似程度，用于识别疵点。通过对不同色织物的多种类型疵点进行检测实验，结果表明该算法具有适应性广、准确率高等优点。本文还提出了一种基于投影序列相似性度量的色织物疵点检测算法。首先对织物图像进行灰度平均投影，得到经纱方向和纬纱方向的投影序列。然后采用db1小波基函数和Mallat算法，对投影序列进行3层分解，取每层低频系数的均值和标准差作为特征参数，共12个样本数据组成特征向量。最后采用待检图像和模板图像的特征向量间的加权欧氏距离对投影序列的相似性进行度量，并识别出疵点。实验表明该算法对色织物的线状疵点、块状疵点都有很好的识别效果。