在毛纺染色行业中，配色一直是一个关键问题。传统的配色方法往往是依靠人的经验，既费时又不精确：当前的计算机配色主要依靠的理论是Kubelka-Munk理论，该理论是Kubelaka和Munk1939年从完整辐射理论推导出来，因此存在前提条件，而且计算过程复杂，配色误差较大。因此本文针对传统的配色方法提出了基于BP网络的毛纺染色数字化计算机配色的概念和相关的方法。这种方法最大创新之处有三点： 一、关于数字化设备与模拟设备的研究，通过研究，得出了可以通过数字化设备代替模拟设备，即传统得分光光度计进行颜色的采样，实现降低获取样品信息的操作复杂性，在本文中对如何实现采用数码相机作为输入设备作了相应的研究。 二、关于配色理论的研究，传统的配色理论不适用于数字化设备采集的颜色信息，且配色过程引入大量的假设，且对拼色染料配方预测误差较大，本文从神经网络的角度并在不同的颜色空间下对拼色染料的配方预测进行了一定的探讨。 三、对如何提取特征值作为神经网络的输入参数作了一定的研究.本文中分别采用了两种方法，在两个颜色空间下做颜色特征提取，并做了相应的比较，尤其是在本文中提出的基于小波特分析的颜色征提取的方法，提取效率高，在保持大部分信息的基础上大大降低了颜色特征的维数，取得了良好得效果。 神经网络配色算法的研究主要采用BP算法来实现颜色特征与毛样颜色配方之见的非线性映射。试验突出了较好得收敛性，但是在泛化能力方面还显得有些不足，但同时通过试验也发现在基于HSV颜色空间下利用小波分析提取颜色特征的方法泛化能力最好，具有相当的参考价值。同时本文所提出的测色配色方法也能在其它类的染色织物的配色预测中加以应用。