随着人们对衣着时尚的不断追求,市场对裤袜的需求也越来越大,且对裤袜的材料、款式要求也越来越高。目前,裤袜的质量检测主要通过人工完成,存在的问题有裤袜的数量较多,工人的工作量繁重,劳动强度大,而且这种方法受检验人员的主观因素影响较大,检验效率低、漏检率高,难以得到准确的检测结果。因此采用自动检测技术是裤袜检测过程中对其质量控制的必然趋势。本文应用小波变换理论对基于机器视觉的轻薄弹性裤袜疵点进行研究,具体内容如下:图像的预处理:介绍在图像处理中常用的预处理方法,分析各自的特点,并通过实验仿真,对线性空间滤波、中值滤波和自适应局部滤波这三种方式的滤波效果进行研究,设计一种适合轻薄弹性裤袜图像的滤波处理方法,使裤袜图像的正常纹理部分得到最大化的滤除,突出疵点区域。小波分析:选用合适的小波基对经过预处理的待检测裤袜图像进行二维离散小波变换,得到裤袜图像的高频细节子图,在水平方向的细节子图像和垂直方向的细节子图像中会出现小波系数的局部极大值,在灰度上表现为灰度的奇异点。由于小波变换具有稀疏性,这些极大值较之分解前更为突出,更加有利于疵点的检测。疵点识别:从小波分解得到的径向和纬向细节子图像中提取特征值,选取能量、方差、熵作为裤袜图像的特征值,对含有疵点的裤袜图像的高频细节子图进行特征提取,并对提取的特征值进行归一化处理,得到裤袜各个特征值的曲线,然后对得到的特征值曲线进行分析,从而判断待检测裤袜中是否含有疵点。疵点分割:对灰度阈值分割、直方图阈值分割和最大熵阈值分割这三种阈值分割方法进行研究,通过MALAB软件进行仿真分析,对三种方式的分割效果进行对比分析,设计适合轻薄弹性裤袜的疵点分割算法,然后,对分割后的图像进行形态学处理,使疵点从背景图像中分离出来。通过对运行结果分析,本课题提出的疵点识别算法能够准确检测轻薄弹性裤袜中的破洞、缺经、重纬疵点。