在人体服装领域中,人体测量技术正在不断朝着数字化、信息化的方向发展。非接触式的人体测量能够实现人体尺寸信息的快速获取,大大提高了传统手工人体测量的工作效率。目前,非接触式三维测量需要的设备普遍较为昂贵和庞大,在三维数据的处理和数据存储上也存在一定的不便捷性。非接触式的二维测量基于人体图像,通过对人体图像处理、分割和提取的过程,可以直接输出人体尺寸数据。基于图像处理的非接触式人体测量,对于人体尺寸获取和服装网络定制都具有十分广泛的研究和应用前景。本课题中,针对目前基于图像的人体测量的过程中存在的提取精度较低、难以获取人体围度尺寸等问题,进行了优化改善,并建立了一套基于图像处理的非接触式人体测量系统。课题主要的研究工作有:（1）提出了精细化、系统化的人体图像处理流程和手段:利用photoshop软件对获取的人体正、侧面图像进行预处理;通过cvt Color（）函数对图像进行灰度转换,计算机方法对图像进行灰度和二值转换。在自建系统中实现了阈值调节功能,提升了图像分割的精准度。选择canny算子进行图像边缘检测,加强了人体轮廓提取的均匀性。利用形态学的知识去除细小杂点、填补人体空洞、加强人体轮廓。（2）利用人体高度数据确定肩部、胸部、腰部、臀部搜索区域,在人体各部位搜索区域内,利用角点检测结合人体形态特点确定各特征部位坐标,利用坐标计算各部位尺寸。（3）基于210人的手工测量数据,利用机器学习的方法建立了4种围度预测模型。针对胸围、腰围、臀围这三个围度的实验验证对比,分别选出了适用于每个围度最优的模型,并将各围度模型集成在自建的人体测量系统里。