随着计算机速度的不断提高，数字图像处理技术的发展越来越快。而基于数字图像处理的颗粒检测技术在国计民生中的应用也越来越广，提高颗粒检测技术的速度与准确性显得越来越重要。 本文详细介绍将数字图像处理技术运用于颗粒特征参数测量之中，在此基础之上建立了一套对颗粒进行特征参数测量的图像测量系统。 (一)介绍国内外对于颗粒特征参数检测现状，论述了基于神经网络的图像分割方法及其在颗粒检测中的应用。 (二)由于采用的图像分割算法处理的对象是颗粒的灰度图，因此本文对彩色图像进行了灰度化处理。受环境等因素的影响，颗粒图像可能会存在对比度差、存在脏点及噪声等因素干扰的特征，因此对图像进行了平均和中值滤波处理，利用中值滤波法消除图像的随机噪声。 (三)采用了模糊竞争Hopfield神经网络对图像灰度级进行聚类，也就是需在某种目标函数最小化的条件下，实现灰度特征集的最优模糊划分，得到最优的阈值，实现图像的分割。颗粒的表面具有不同的反光现象，某些颗粒内部具有空洞现象。因此，用空洞填充算法对出现的空洞进行填充，然后对杂质和凝聚体进行剔除，并对粘连的颗粒多次进行腐蚀和膨胀从而实现分离，得到了较理想的待测颗粒图像。 (四)着重分析了图像颗粒面积、周长、粒径等指标的检测算法与实现。同时针对图像检测的特点，采用了图像区域标记、图像单位标定、图像颗粒选择性过滤、图像统计分析等技术，使得测量结果更加接近于实际情况。