Gabor滤波器在织物疵点检测中已经有着广泛的应用，是一种非常好的特征提取算法。常见原棉疵点的形状一般为点状型、线状型和聚集状型等，而原棉为云状型。所以原棉和其常见疵点在形状轮廓上存在明显差异，因此基于Gabor函数变换得到的Gabor滤波器适用于棉花疵点的检测。

棉花疵点主要有破籽、索丝、僵片、棉结、不孕籽、软籽表皮、带纤维籽屑等。目前棉花疵点的检测一般采用人工方法，该方法成本高，效率低，检测准确性受人为主观因素影响大，同时体积较小或者颜色接近白色的疵点很难被检测出来[1]。考虑到成本投入、检测的速度和准确率，显然机器视觉比其他方法更加适用于棉花疵点的检测。

Gabor滤波器在织物疵点检测中已经有着广泛的应用，是一种非常好的特征提取算法。常见原棉疵点的形状一般为点状型、线状型和聚集状型等，而原棉为云状型。所以原棉和其常见疵点在形状轮廓上存在明显差异，因此基于Gabor函数变换得到的Gabor滤波器适用于棉花疵点的检测。

1 Gabor函数和二维熵原理

1.1 Gabor函数相关原理

Gabor函数由D.Gabor首次提出，Daugman将其扩展为二维形式的同时，第一次将Gabor函数作为一种表征图像的方法进行了应用，经试验证明，这是一种较好的图像特征提取算子[2]。二维Gabor函数的优势在于其在获得较高频域分辨率的同时，能够获得较高的时域分辨率。而不用为了提高其中一个分辨率而牺牲另外一个分辨率[3]。其空间函数一般表达式为：

式（1）中，G为Gabor函数空间函数，x和y为图像I（x，y）像素点的空间位置；……