磨损是机械设备失效的主要形式，78％以上的设备故障是由磨损引起的，因此实时而有效监测磨损状况，建立基于设备状态的维修体制，对保障大型机械设备的正常运行，提高生产效率等具有重要意义。铁谱分析技术是一种快速有效的磨损监测方法，其原理是利用高梯度的强磁场将磨损颗粒从润滑油中分离出来，按大小依次沉积在玻璃基片上形成铁谱片，并对分离出来的磨粒大小、形状、颜色等特征信息进行定性和定量的分析，这为监测机械设备磨损状态、分析故障原因等提供了全面而可靠的信息。　　 然而铁谱技术仍存在一些缺陷，如对操作者的专业知识和经验要求过高、过分依赖人的主观判断等。通过引入图像处理技术，实现对磨粒粒度、颜色等特征信息的自动识别正是当今发展的趋势。但是目前只是局限在对单个磨粒的识别，对存在多个磨粒的铁谱图像方面的研究却不多。由于某种类型的单个磨粒的出现具有偶然性，不能有效判断磨损状态，所以对多个磨粒的研究不但可以从整体上把握磨损的剧烈程度，而且可以从宏观上提高分析与判断设备故障的准确率。因此，本文对磨粒浓度、大小、颜色三方面的信息提取进行了研究工作，其具体如下：　　 (1)在试验平台的基础上，对磨粒浓度进行了研究。选择OTSU法来自动分割磨粒与背景，并提出了改进的基于RGB颜色分量的自适应阈值算法，来选取最佳阈值分割磨粒与背景，从而得到磨粒的浓度值。其结果表明改进后的算法能较好的将亮度值较大的颗粒归入目标中，也能较好地分割灰度相接近的磨粒与背景，并且提高了铁谱图像分析的适用性及准确性。　　 (2)在不同粒度范围磨粒浓度计算方面进行的研究。采用分水岭算法处理仅去除背景的图像，并改进算法，利用形态学对梯度图像进行重建和统计方法修正区域的相似度阈值，进而得到不同尺寸范围内的磨损颗粒浓度值。计算结果中出现较少的过分割现象，从一定程度上提高了粒度计算的准确性。　　 (3)在颜色特征提取方面进行的研究。将铁谱图像中每个颗粒区域的平均像素值代替其中的每个像素点，统计其中亮色、黑色、红色三种颜色范围内的像素个数，进而得到三种颜色颗粒的浓度值。计算结果表明该值基本符合事实，计算结果较准确、可靠。　　 本文提出的彩色图像分割算法具有一定的可行性和有效性，为其在实际故障诊断中的应用提供了参考。