在纺织品生产过程中，织物疵点的检测直接影响着产品的质量。随着计算机技术和图像处理技术的高速发展，使得织物疵点检测越来越受到大众的关注。本文针对织物疵点检测，基于手势识别中NMI提取特征的思想，提出了一种织物疵点粗定位算法。首先，对织物疵点图像进行去噪和二值化；其次，根据疵点的形状，对二值图像进行分块，计算相应子块的NMI；然后，将NMI不等于0的子块提取出来，即达到疵点粗定位的目的。实验结果表明，提出的算法对3种疵点的粗定位效果较好。此外，由于Gabor滤波器在时频域具有较好的局部分辨能力，并且由Gabor滤波后得到图像的纹理频谱能够随着其空间位置的变化而变化，所以，Gabor滤波器被广泛地应用在织物疵点检测中。基于Gabor滤波器，本文提出了两种织物疵点检测算法：(1)首先，应用半峰相切法设计了3个尺度4个方向圆形的实Gabor滤波器，这样的滤波器能够较好地覆盖疵点所对应的频率。然后，基于这些滤波器，提出了一种织物疵点检测算法，其中，采用图像形态学中的开运算去除二值化过程中产生的噪声。应用该算法针对同一纹理背景的8幅织物疵点图像进行检测，结果表明该算法能较好地检测出疵点。(2)基于减少计算量的思想，结合一种新的图像增强方法，对(1)中的算法进行改进，提出了一种基于复Gabor滤波器的织物疵点检测算法。借助图像增强的新方法和矩阵的Hardmard乘积，有效地增强了疵点与背景的对比度。在滤波环节，使用的滤波器由(1)中的12个减少到8个，同时，在计算某点的像素值时，参与运算的像素值由(1)中的49个减少到11个；与(1)中的融合方法相比，本算法的更简单。基于上述三个方面，尽管增加了图像增强的环节，本算法也大大地减少了计算量。实验结果表明，新算法能较好地检测出疵点，且对疵点的细节检测效果较好，而(1)中的算法对疵点的整体轮廓检测效果较好。