目前在纺织行业中，织物面料的分析与识别主要还是凭经验或借助专业工具来完成的。这种由专家人工进行织物面料组织结构参数的分析和提取虽然具有权威性，但是操作要求高，不易掌握。同时分析与识别的时间周期也相对较长且分析过程单调而乏味，因此，迫切需要寻找一种新的、更好的织物组织分析方法来代替现有方法。　　 数字图像处理和人工智能技术的快速发展和应用，在很多领域大大减少了人们的工作量，提高了工作效率并缩短了生产周期，从而提高了工作和产品的质量。织物分析方面也需要利用计算机技术来帮助人们改进生产效率和质量。因此，有必要研制更先进的算法和技术路线，以代替人工对物面料的纱线参数、组织结构等进行有效地自动识别与分析。　　 本文研究了利用数字图像处理技术对织物面料进行自动参数提取和识别组织结构的方法，提出了自动识别织物面料组织结构的流程与技术路线。讨论了怎样的织物图像的获取与预处理才能有效的反映织物的特征信息和参数。然后分别给出提取织物参数一经纬纱密度、织物紧度的自动提取算法：即对织物数字图像进行二值化、平滑化处理，去除织物变形和图像录入误差等带来的影响，得到反映经、纬向纱线分布情况的二值图像，再通过各种算法得到纱线的经、纬密度和紧度，最后将它们的计算结果与手工测量结果进行了比较和分析。　　 关于组织识别，本文提出了利用DFFT算法自动生成织物频谱图，通过分析不同织物组织频谱图的特点，来判别不同组织的新方法：已取得了初步的成果，可以分析较为简单的三原组织，开辟了运用频域分析判别织物组织的新思路。　　 本论文所提出的上述技术路线和算法，具有一定的理论意义和较大的参考价值，尤其是自动计算织物经纬密度和紧度的算法，具有一定的创新性，并具有进一步研究的价值。