圖像處理技術在紡織品檢測中主要應用在纖維檢測、紗線檢測和織物檢測三個領域。

計算機圖像處理主要包括以下方面：

(1)纖維檢測主要是纖維的外觀形態、直徑、棉網均勻度檢測，纖維異型度檢測，羊毛的細度、纖維混紡比的測定等等。

計算機圖像處理主要包括以下方面：

(2)紗線檢測主要是紗線混合狀態及紗線的外觀質量等。

(3)織物方面主要有織物的密度、組織結構、折皺分析、懸垂性評定、起球等級評定以及疵點檢測等。

計算機圖像處理主要包括以下方面：

計算機圖像處理主要包括以下方面：

(1)圖像預處理，其目的是對圖像去除噪聲，突出目標。

(2)圖像分割和目標提取，主要目的是從圖像中獲得感興趣的區域。

(3)特征提取，是要獲得對目標的有效特征表達和描述。

(4)目標分類，是在提取特征的基礎上實現判別和分類。

常用的圖像識別方法有：灰度匹配法、形態法、神經網絡法、紋理模型法四種。其中，神經網絡法的缺點是，可能因為特征值選擇的不合適或者不足，造成檢驗結果的不可靠，紋理模型法的不足在于僅僅通過隨機場模型并不能最大限度地降低圖像分析的計算復雜度和提高圖像處理的速度，因而還不能實現織物疵點的快速自動檢測。

隨著計算機科學技術的發展，以前靠人來完成的很多紡織品檢驗工作現在可以用計算機來代替。計算機圖像識別技術體現出快速、準確、高可靠性和穩定性等優勢，在紡織行業的應用會越來越廣泛，特別是在線檢測方面得到應用和發展。