《中国制造2025》的提出极大地推动了我国制造业的发展,自主研发高精尖机械设备成为中国一大战略目标,而各种金属材料的特性对机械设备的安全性和可靠性影响巨大。因此,作为金属材料科学领域应用最为广泛和有效的金相分析技术日益受到重视。传统人工金相分析存在工作强度大、效率低的缺陷,而计算机辅助定量金相分析可以弥补人工金相分析的不足,实现自动化分析。金相图像处理是金相分析系统中的关键部分,深入研究数字图像处理和金相分析的融合技术对于制造业的发展有着巨大的经济价值。本文的主要工作如下:首先,在基于局部像素块分组的主成分分析（Principal Component Analysis,PCA）去噪算法的基础上提出一种基于高斯混合模型（Gaussian Mixture Model,GMM）聚类的PCA去噪算法。第一步,利用一系列自然的干净图像对高斯混合模型进行训练得到参数,引导含噪图像块进行聚类,并采用马氏距离代替欧氏距离作为相似图像块的度量方法;然后将聚类的结果作为PCA去噪的训练样本,在PCA域中分离噪声;最后重建去噪后的图像。实验结果表明,与局部像素块分组PCA算法、基于主邻域字典的非局部均值算法、各向异性扩散算法相比,本文提出的基于高斯混合模型聚类的PCA去噪算法对含有丰富纹理结构的图像去噪效果更佳,对图像的纹理和边缘保持得更为完整,有着良好的视觉效果。然后,提出一种基于混沌蜂群优化的二维指数灰度熵阈值分割算法。首先给出了灰度-梯度直方图的区域划分方法,详细地推导了二维指数灰度熵的阈值选取公式;然后利用递推算法简化中间函数的冗余计算;最后采用基于Tent混沌序列的人工蜂群算法优化寻找最优阈值的过程,大大减少了寻优的时间。通过对大量金相图像进行实验,结果表明,该算法能够使分割后的金相图像中目标边缘准确且细节特征清晰,分割效果优于基于灰度-梯度直方图和混沌粒子群的二维指数熵算法以及基于混沌粒子群和斜分的二维指数熵算法,运行速度方面也有较大提升。随后,提出一种基于活动轮廓模型和数学形态学的金相晶界重建算法。首先,将₁L范数拟合项引入CV模型中,并与局部二值拟合（Local Binary Fitting,LBF）模型相结合,采用全局方差和局部方差的归一化比例系数调节轮廓曲线的演化,驱使曲线贴近真实晶界,同时降低晶界内的沉淀相对晶界重建的影响;然后,对图像进行闭运算,采用Rosenfeld算法对闭运算后的图像进行晶界细化,将多像素宽度的晶界转化为单像素宽度的闭合晶界;最后,通过查找给定模板,删除晶界中多余的分枝。实验结果表明,同现有的晶界重建方法相比,本文提出的算法重建的晶界完整清晰,视觉效果好,具有较为明显的优势。接着,提出一种基于改进韦伯局部描述子的金相图像特征提取算子。首先,通过各向异性扩散对图像滤波以降低差分激励部分增加的噪声;其次,采用旋转不变均匀局部二值模式代替原始梯度方向图的计算方式,充分利用金相图像纹理的空间结构信息;最后构建韦伯特征直方图提取图像特征向量,输入分类器进行训练,并与经典的纹理特征提取算子局部二值模式（Local Binary Pattern,LBP）、灰度共生矩阵（Gray Level Co-occurrence Matrix,GLCM）及原始韦伯局部描述子（Weber Local Descriptor,WLD）进行对比实验,采用总分类精度和Kappa系数衡量不同算法间的分类性能。对DoITPoMS金相图库和Brodatz纹理库的分类实验结果表明,本文提出的改进WLD特征算子具有较高的分类精度,可以准确地描述金相图像的纹理特征信息。最后,提出一种基于无偏有限脉冲响应（Unbiased Finite Impulse Response,UFIR）矩和交替决策森林（Alternating Decision Forests,ADF）的铸铁金相图像分类方法。首先,计算不同铸铁金相组织图像的UFIR矩特征向量,构成训练样本矩阵,输入到ADF中进行训练;ADF采用广度优先的生长方式,计算不同样本类分布期望的加权熵以衡量样本的贡献度;最后依据已训练的ADF分类器对待分类图像进行识别,最终得到铸铁金相图像分类结果。实验结果表明,与近年来提出的基于Hu矩与SVM、基于Zernike矩与SVM、基于Krawchouk矩与SVM及基于人工神经网络的图像分类方法相比,本文提出的方法分类精度高,可以快速准确地识别铸铁的类别,提高工作效率。