金属断裂是金属构件的三大失效模式之一，是失效模式中危害性最大的一个。在金属断裂中，疲劳断裂占据了整个断裂事故的80%以上，是断裂的主要方式。近年来，对金属断裂的研究主要集中在金属断口图像的识别和分类以及断口图像的三维重建上。但是，对于疲劳断裂的研究也仅限于疲劳断口的识别等，对疲劳断口图像的纹理特征研究并不多，而对疲劳断口图像的纹理分割就更少了。由于疲劳条带是疲劳断裂特有的断口特征，也是对疲劳断口图像进一步研究的重要依据，对疲劳断口图像的纹理分割就显得极其重要。因此对失效件的疲劳断口进行分析对确定失效的模式、原因、机理具有重要意义。在图像处理中，频域分析在图像的特征提取中有着重要的地位，在频域内对疲劳断口图像的纹理分析也是一个行之有效的方法。频域分析的经典方法主要有Fourier变换、Gabor变换和小波变换等。Fourier变换建立了信号从时域到频域的桥梁，但是二者却是绝对分离的。Gabor变换使用一个固定的短时窗函数，因而还存在着不可逾越的缺陷；小波变换依赖于预先定义的滤波器或小波函数。针对上述信号分析方法的弊端，Norden Huang等人在1998年提出了一种新的信号分析处理方法——经验模式分解（Empirical Mode Decomposition，EMD）。EMD具有自适应性，适用于非线性信号和非平稳信号的分析与处理。二维经验模式分解（BEMD）是对EMD的扩展，BEMD方法是图像处理领域一个新的研究热点。本文的主要研究内容如下：(1)对疲劳断口图像进行预处理，主要进行了滤波、基于大津法的二值化处理、直方图均衡化等。经过预处理的图像能够有较好的图像质量和在灰度上有较强的对比度。(2)由于疲劳断口图像是一类比较复杂的纹理图像，在频域内主要分析了疲劳断口图像的Fourier变换和小波变换的纹理特性，并对疲劳断口图像用上述两种方法进行了分割，得到了疲劳断口图像的纹理区域。(3)运用BEMD方法对图像进行纹理分析，对人工合成纹理图像进行了纹理分割，获得了较好的实验效果；对经过高斯白噪声干扰的图像运用BEMD方法进行滤波，该方法达到了较为理想的滤波效果。结合了Laws纹理能量描述方法描述疲劳断口图像的纹理特征，运用最近邻准则对特征向量进行聚类，分割出纹理区域。(4)最后将经BEMD方法分割得到的疲劳断口图像与Fourier变换和小波变换分割得到的图像进行对比，BEMD方法得到的效果要明显好于后两者。本文主要运用了BEMD方法对疲劳断口图像进行纹理分析，本文方法能够很好的实现疲劳断口图像的纹理分割。运用BEMD方法对疲劳断口图像的纹理分割也是本文的创新点。