数字图像处理技术已经广泛地应用于工业测量等领域。在纺织工业中,运用数字图像处理技术并开发相应的自动化检测设备以代替耗时的人工检测,既可提高工作效率,也可提高检测精度。本文将数字图像处理技术应用于织物经纬密度和纤维混纺比的检测,具体研究内容包括以方面：1.针对织物经纬密度的检测,基于图像识别技术提出了一种快速可靠的检测方法。首先在织物彩色图像上提取若干条经向/纬向的RGB彩色信号,并对其进行灰度化、背景扣除等预处理；然后对这些信号曲线进行分组,组内信号曲线进行首尾相连；最后将各组信号曲线归一化并进行傅里叶变换,选取信噪比最高的若干条幅频曲线进行曲线周期的计算,并结合织物的组织结构,最终计算出织物的经纬密度。实验结果表明该方法具有较高的测量精度,且快速可靠。2.对于混纺织物,基于其纤维纵向显微图像,研究了纤维的自动识别方法。该方法主要包括纤维图像预处理、纤维轮廓提取、纤维特征提取与选择、纤维的识别等四部分。纤维图像的预处理由中值滤波去噪、图像背景校正、图像二值化等组成；纤维轮廓提取则是先对二值图像进行去噪处理,然后结合数学形态学闭运算和背景区域生长等方法获得纤维个体的轮廓,进而得到单根纤维的区域图和二值图。3.获取纤维骨架垂直方向上的区域图、二值图以及二值图的细化图,并分别得到这3幅图像的垂直积分投影序列,然后提取这3条序列各自的变异系数CV值和平均值共计6个参数。经分析后选取其中的5个参数作为用于区分棉纤维和亚麻纤维的特征参数。基于以上5个特征,分别训练了棉/亚麻纤维的BP神经网络分类器和最小二乘支持向量机分类器。结果表明运用支持向量机训练出来的分类器具有更好的分类性能,对棉和亚麻的识别率平均为93.6%。4.根据提出的纤维检测识别算法,运用MATLAB与VC++混合编程,编写了具有良好人机交互界面的混纺比检测软件。