Las imágenes de patrones pueden ser segmentadas en una unidad de plantilla para una inspección eficiente de visión de tela; sin embargo, los criterios de segmentación afectan críticamente el rendimiento de la segmentación y detección de defectos. Para obtener los criterios no distorsionados para imágenes rotadas, se necesita proceder con la estimación de rotación del ángulo absoluto. Dado que las estimaciones de rotación convencionales no satisfacen tanto los errores de rotación como los tiempos de cálculo, los defectos de tela con patrones son detectados usando métodos visuales manuales. Para resolver estos problemas, este estudio propone la aplicación del candidato de punto de referencia de segmentación (SRPC), generado en base a un mapa de distancia euclidiana (EDM). SRPC se utiliza no solo para extraer puntos de criterio sino también para estimar el ángulo de rotación. El ángulo de rotación se predice utilizando el vector de orientación de SRPC en lugar de todos los píxeles para reducir los tiempos de estimación. La segmentación de imágenes basada en SRPC aumenta la robustez contra el ángulo de rotación y los defectos. El valor de distancia de separación para la distinción del área de SRPC se calcula automáticamente. El rendimiento del método propuesto es similar a los métodos de estimación de rotación de última generación, con un tiempo de inspección adecuado en operaciones reales para tela con patrones. La similitud entre las imágenes segmentadas es mejor que los métodos convencionales. El método propuesto amplía el objetivo de inspección de visión en tela plana a patrones de cuadros o rayas.