目前在纺织行业中，对针织物结构的分析与识别主要还是凭经验或借助专业工具来完成。这种由专家人工进行针织物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，分析过程单调而乏味。因此，有必要研制能代替人工对针织物的结构参数、组织编织结构等进行有效的自动检测与分析的算法和技术路线。本文研究了利用图像处理与模式识别技术对针织物进行自动参数提取和组织结构识别的方法，提出了针织物自动识别的流程与技术路线，讨论了怎样的针织物图像的获取与预处理才能有效的反映针织物的特征信息和参数。然后通过分析针织物图像亮度分布的特点，给出提取针织物结构参数——织物密度、线圈距离的自动提取算法：针对针织物组织结构具有一定空间周期性的特点，在对针织物图像进行预处理之后；利用傅立叶变换技术找到频谱图上反映周期性特征的点；再利用傅立叶反变换重建图像，提取纵横密度的空间频率信息，测量针织物的纵横密度和线圈距离。并将它们的计算结果与手工测量结果进行了比较和分析。本文提出了针织物组织结构识别的流程：首先通过扫描仪把样品图像输入到计算机，获得针织物的采样图；然后对采样图做灰度化、灰度变换、去噪、二值化等一系列图像预处理工作，来去除织物变形和图像录入误差等带来的影响，得到能清晰反映针织物组织结构情况的二值图；第三步用高斯拉普拉斯边缘检测算子提取针织物二值图像的边缘结构，得到针织物的边缘图像；第四步以能反映出组织结构的最小的组织循环为单元，从边缘图中提取出基元图以利于分析，然后再用像素标号法对基元图中的目标分别标号，再对已标号的目标分别提取其形状数、周长、面积、形状因子等特征参数；最后通过这些形状特征识别未知针织物的组织结构。本文所提出的上述技术路线和算法，都得到了可行性的验证，取得了较好的效果，在该领域具有一定的理论意义和较大的参考价值。由于形状数有平移、旋转不变性，所以选用形状数为特征参数可以克服针织物在采样过程中样品平移、旋转带来的误差。本文所提出的方法在对于针织物组织结构的识别上具有一定的突破性，可以适用于诸如：纬平组织、罗纹组织和双反面组织等简单的纬编针织组织，具有一定的推广价值。