织物疵点检测是纺织生产过程中一个重要的环节，常见的织物疵点达30余种。目前，国内绝大部分的纺织企业，对织物的疵点检测还是采用人工离线检测。人工检测效率低，易疲劳，而且容易出现漏检现象。如何快速、准确、低成本、高质量地检测出织物疵点，成为人们关注的焦点。利用数字图像识别技术进行织物疵点检测成为近年来一个研究热点。本文将数字图像处理技术应用于织物疵点检测，设计并实现了基于阈值分割的织物疵点检测方法。 本文介绍了图像识别中常用的数字图像处理技术，包括图像的灰度化，图像平滑、去噪，绘制灰度直方图，图像分割等。总结了现有的织物疵点检测方法，详细介绍了其中几种常用的方法，包括基于数学形态学的织物疵点检测方法、灰度统计量法、傅里叶分析法、小波分析法和灰度直方图法，并分析了各自的特点。在此基础上，本文借鉴国内外已有产品的模式和技术，在已有方法中选择合适的方法并进一步优化，提出了基于阈值分割的织物疵点检测方法。 图像分割是一种重要的图像分析技术，其中阈值分割因其简单、计算量小、性能较稳定而成为图像分割中应用最广泛的分割技术。阈值分割中阈值的选择是一个非常关键的问题，直接关系到图像分割的效果。本文选用迭代式阈值选择方法，该方法较适合双峰明显的图像。在织物疵点检测中有时会出现双峰不明显的现象，为此，本文提出了一种改进的阈值选择方法，采用类似于中值滤波的图像平滑技术，在阈值分割前对图像进行预处理，实现了较理想的分割效果。然后对疵点图像进行标识、轮廓提取、图像测量，计算疵点图像的周长和面积参数。 通过分析实验结果表明，基于阈值分割的织物疵点检测方法简单、计算量小，适合实时在线检测，能检测出多数常见疵点，具有较好的实用价值和应用前景。