随着计算机视觉技术的不断发展,图像处理技术也越来越广泛的应用到生产制造的各个领域,图像处理技术可以改善传统工业的生产方式,实现工业智能化的发展,是“中国制造2025”的重要突破点。矿石粒度是衡量矿石破碎程度的重要依据,同时也是影响选矿方法以及工艺流程选择的重要参数,传统的矿石粒度的检测都是由人工来完成的,这个方法不仅耗时耗力,而且效率较低。利用图像处理技术,可以做到对矿石粒度的实时检测,大大降低了人工成本,同时提高了检测的效率和准确度。因此,基于图像处理技术的矿石粒度检测具有很大的发展前景和研究意义。为了实现矿石粒度的在线自动化检测,本文使用图像处理的方法,在图像处理过程中需要解决两个难点:矿石图像的去噪和分割。本文通过提出了一种新的提升小波构造方法:基于三次B样条函数的提升小波,实现了对矿石图像的去噪,同时还不破坏矿石图像的颗粒信息。对于矿石图像的分割,本文提出了改进的分水岭算法。矿石粒度检测的具体步骤是:首先对矿石图像进行灰度变换,减少运算量,在灰度图像的基础上使用基于三次B样条函数的提升小波变换,把矿石图像分解为四个子图,再分别对四个子图进行阈值去噪处理,最后进行提升小波的重构,从而得到去噪后的矿石图像;再利用改进的分水岭算法对矿石图像进行分割,改进的分水岭算法的步骤是利用形态学重构,标记出矿石图像的前景和背景,把梯度图像中的无关极值进行剔除,再使用分水岭算法,得到矿石图像的脊线图;接下来利用图像的连通域性质,统计出矿石图像的连通域的个数和每个连通域所占的像素个数,再利用像素个数与实际矿石尺寸的转换关系,最终得到矿石粒度的信息。为了验证图像处理检测矿石粒度的准确度,需要对矿石颗粒进行人工筛分,统计出实际矿石的粒度大小,并和图像处理结果进行对比,对比结果为二者的最大误差为3%,从而验证了图像处理检测矿石粒度的可行性。