轮对是铁路车辆重要的可互换部件。由于长时间与铁轨摩擦以及急刹车、振动等原因，使得轮对踏面会受到不同程度的损伤，出现擦伤或剥离。这种损伤会不同程度地影响车辆的行驶路程(使用寿命)，更严重者会威胁到人身生命或财产的安全。因此，当踏面擦伤深度及剥离长度超过限定值时必须作为轮对故障而报警，并指出其数量和准确位置。 本文在分析比较在传统图像处理算法的基础上，提出了使用分水岭算法处理火车踏面的思路。分水岭算法不是简单地将图像在最佳灰度级进行阈值处理，而是从一个偏低但仍然能正确分割各个物体的阈值开始，然后随着阈值逐渐上升到最佳值，使各个物体不会被合并。最初和最终的阈值灰度级都需认真选取。如果初始的阈值太低，那么对比度低的物体一开始就会被丢失，然后随着阈值的增加会和相邻的物体合并；如果初始的阈值太高，物体一开始便会被合并，最终的阈值决定了最后的边界与实际物体的吻合程度。在分析和比较了基于熵(entropy-based)的阈值选取方法和基于矩(based-moment)的阈值选取方法的基础上，提出了基于分水岭算法的目标识别的新方法。与传统的图像分割方法相比，该方法避免了复杂的阈值选取的过程，通用性好，便于实现目标识别的自动化。 对本文提出的方案进行了软件实现，同时将分水岭算法处理的结果与传统算法处理的结果做了比较；并对所求结果进行了误差分析。