目前,在追逐品质和个性的浪潮下,服装私人定制已成为行业的热点。在定制中,顾客对服装的要求除了合体舒适外,更加注重造型的美观性。但因体型的多样性,服装样板可能会与顾客体型不符,导致服装产生弊病,其以褶皱的形式在服装外观显现出来。为进一步满足顾客对服装的需求,要加强服装的外观质量检测,及时地修正弊病。目前关于服装外观质量的检测,通常是经验丰富的专业人员根据服装的外观判断弊病类型并修改,这受约于检测人员的经验,并且效率较低。而运用图像处理技术可以客观高效地检测服装外观图像,但目前关于服装外观弊病智能检测的研究较少,需要进一步探索。针对这一现象,本文以男西装袖弊病图像为研究对象,基于图像处理技术对袖着装效果进行弊病判别及分类,缩短企业外观质量检测的时间,减少对人力物力的需求,提高服装的交付效率。该研究主要包括:袖弊病外观图像的分析、弊病褶皱参数的提取、基于神经网络的袖弊病类型判别等模块。研究内容及结果如下:首先,分析弊病着装图像的视觉因素。基于人体的臂部的动静态特征,论述臂部结构与袖样板之间的关系,分析袖结构的构成要素,在此基础上总结部分西装袖样板弊病类型以及相应的修正方案。分析部分袖弊病类型的外观褶皱特征,确定量化弊病褶皱的参数。其次,提取弊病样本的的褶皱参数。借助图像处理软件MATLAB提取袖弊病着装图像的褶皱参数。使用了图像灰度化、灰度增强、图像阈值分割集图像二值化等技术,对弊病图像进行了预处理,基于灰度曲线图提取了褶皱宽度、褶皱深度等参数,并在处理后的二值化图基础上,提取了关于褶皱走势的参数褶皱方向斜率,共提取了40个样本4种弊病的褶皱参数。最后,编写BP神经网络判别弊病模型的程序。将数据的70%作为训练集,30%作为测试集输入到BP神经网络训练。输入项为提取的三个褶皱参数,输出项为代表弊病类型和修正方案的编码数字。经验证,该模型具有较高的准确率和稳定性,能够判别袖弊病的类型。本文基于图像处理技术,提取表征服装弊病类型褶皱参数,建立判别服装弊病修正模型,对服装智能检测的技术研究有一定的指导意义。